Ocena:
Książka ma na celu pomóc czytelnikom w szybkim rozpoczęciu nauki o danych przy użyciu Pythona, szczególnie dla tych, którzy mają już pewną wiedzę na temat tego języka. Oferuje ona wskazówki krok po kroku dotyczące korzystania z Jupytera i różnych bibliotek do nauki o danych. Podczas gdy niektórzy użytkownicy doceniają jego uporządkowany, przypominający klasę format, inni uważają go za słabo zorganizowany i pozbawiony jasnych wyjaśnień.
Zalety:⬤ Szybko pomaga użytkownikom rozpocząć naukę o danych
⬤ przejrzyste przykłady krok po kroku
⬤ dobra dla czytelników z podstawową znajomością Pythona
⬤ przystępna cena.
⬤ Słaba organizacja
⬤ marginalne wyjaśnienia pojęć
⬤ niektórzy użytkownicy wolą alternatywne zasoby, takie jak YouTube.
(na podstawie 5 opinii czytelników)
Beginning Data Analysis with Python And Jupyter: Use powerful industry-standard tools to unlock new, actionable insight from your existing data
Rozpoczęcie pracy z nauką o danych nie musi być ciężką walką. Ten przewodnik krok po kroku jest idealny dla początkujących, którzy znają trochę Pythona i szukają szybkiego wprowadzenia. Kluczowe cechy Rozpocznij pracę z ekosystemem Jupyter i kilkoma przykładowymi zestawami danych Poznaj kluczowe koncepcje uczenia maszynowego, takie jak SVM, klasyfikatory KNN i lasy losowe Odkryj, jak możesz wykorzystać skrobanie stron internetowych do gromadzenia i analizowania własnych zestawów danych na zamówienie Opis książki
Podczas tego praktycznego kursu Python i Jupyter poznasz umiejętności potrzebne do nauki danych na poziomie podstawowym. Poznasz niektóre z najczęściej używanych bibliotek, które są częścią dystrybucji Anaconda, a następnie zbadasz modele uczenia maszynowego z prawdziwymi zestawami danych, aby zdobyć umiejętności i ekspozycję potrzebną w prawdziwym świecie. Na koniec pokażemy ci, jak łatwo można skrobać i zbierać własne dane z otwartej sieci, abyś mógł zastosować swoje nowe umiejętności w praktycznym kontekście. Czego się nauczysz Zidentyfikuj potencjalne obszary badań i przeprowadź analizę danych eksploracyjnych Zaplanuj strategię klasyfikacji uczenia maszynowego i trenuj modele klasyfikacyjne Użyj krzywych walidacji i redukcji wymiarowości, aby dostroić i ulepszyć swoje modele Skrobanie danych tabelarycznych ze stron internetowych i przekształcanie ich w Pandas DataFrames Twórz interaktywne, przyjazne dla sieci wizualizacje, aby jasno komunikować swoje wyniki Dla kogo jest ta książka?
Książka ta jest idealna dla profesjonalistów z różnymi opisami stanowisk w wielu branżach, biorąc pod uwagę rosnącą popularność i dostępność nauki o danych. Będziesz potrzebował wcześniejszego doświadczenia z Pythonem, a wcześniejsza praca z bibliotekami takimi jak Pandas, Matplotlib i Pandas zapewni ci przydatny start. Spis treści Podstawy Jupyter Czyszczenie danych i zaawansowane uczenie maszynowe Web Scraping i interaktywne wizualizacje
