Elementi essenziali di scienza dei dati in Python: Raccogliere - Organizzare - Esplorare - Prevedere - Valorizzare

Recensioni dei lettori

Questo libro è molto apprezzato dagli utenti per la sua chiarezza e utilità nell'apprendimento di Python per la scienza dei dati, adatto sia ai principianti che ai programmatori intermedi. Offre esempi pratici ed esercizi, anche se alcuni utenti lo hanno trovato frustrante a causa della qualità di stampa e degli errori di programmazione.

⬤ Chiaro e conciso
⬤ ottimo per principianti e intermedi
⬤ esempi pratici
⬤ utile per imparare i concetti della scienza dei dati
⬤ termina con esercizi per la comprensione
⬤ adatto come manuale.

⬤ La stampa in bianco e nero influisce sulla chiarezza dei grafici
⬤ alcuni snippet di codice non funzionano correttamente
⬤ problemi pedagogici
⬤ richiede una precedente conoscenza di Python per una comprensione ottimale.

(basato su 9 recensioni dei lettori)

Titolo originale:

Data Science Essentials in Python: Collect - Organize - Explore - Predict - Value

Contenuto del libro:

Passate da artefatti disordinati e non strutturati memorizzati in database SQL e NoSQL a un insieme di dati ordinati e ben organizzati con questo rapido riferimento per i data scientist più impegnati. Comprendete il text mining, l'apprendimento automatico e l'analisi di rete; elaborate i dati numerici con i moduli NumPy e Pandas; descrivete e analizzate i dati utilizzando metodi statistici e teorici di rete; e vedete esempi reali di analisi dei dati al lavoro. Questa soluzione unica copre l'essenziale della scienza dei dati in Python.

La scienza dei dati è una delle discipline in più rapida crescita in termini di ricerca accademica, iscrizione di studenti e occupazione. Python, con la sua flessibilità e scalabilità, sta rapidamente superando il linguaggio R per i progetti scientifici sui dati. Per avere sempre a portata di mano i concetti della scienza dei dati in Python, questo riferimento modulare e rapido agli strumenti utilizzati per acquisire, pulire, analizzare e archiviare i dati.

Questa soluzione unica copre gli aspetti essenziali di Python, i database, l'analisi di rete, l'elaborazione del linguaggio naturale, gli elementi di apprendimento automatico e la visualizzazione. Accedere a dati numerici e testuali strutturati e non strutturati da file locali, database e Internet. Organizzare, riorganizzare e pulire i dati. Lavorare con database relazionali e non relazionali, visualizzazione dei dati e semplici analisi predittive (regressioni, clustering e alberi decisionali). Scoprite come vengono gestiti i problemi tipici dell'analisi dei dati. E cimentatevi in soluzioni personalizzate per una serie di progetti di media portata, divertenti da realizzare e che faranno bella mostra di sé nel vostro curriculum.

Tenete a portata di mano questa guida rapida, sia che siate studenti, sia che siate professionisti della scienza dei dati che si stanno convertendo da R a Python, sia che siate sviluppatori Python esperti che non vogliono memorizzare ogni funzione e opzione.

Cosa vi serve:

È necessario disporre di una distribuzione decente di Python 3. 3 o superiore che includa almeno NLTK, Pandas, NumPy, Matplotlib, Networkx, SciKit-Learn e BeautifulSoup. Un'ottima distribuzione che soddisfa questi requisiti è Anaconda, disponibile gratuitamente su www.continuum. io. Se avete intenzione di creare i vostri server di database, avete bisogno anche di MySQL (www.mysql.com) e MongoDB (www.mongodb.com). Entrambi i pacchetti sono gratuiti e funzionano su Windows, Linux e Mac OS.