Essenziali di scienza dei dati in Python

Recensioni dei lettori

Il libro sulla scienza dei dati in Python ha ricevuto recensioni contrastanti da parte degli utenti, che ne hanno evidenziato i punti di forza nella guida pratica e nell'apprendimento strutturato, mentre hanno criticato gli errori nei contenuti e gli aggiornamenti insufficienti.

I lettori apprezzano lo stile di scrittura chiaro, gli esempi pratici e l'efficace organizzazione degli argomenti. Il libro è considerato utile sia per i principianti sia per gli utenti esperti che desiderano rinfrescare le proprie conoscenze. Il libro copre i concetti fondamentali della scienza dei dati e include una sezione su argomenti avanzati come le macchine di Boltzmann ristrette.

Alcuni utenti hanno criticato il libro per la presenza di numerosi errori negli esempi di codice, per la mancanza di supporto da parte dell'autore in merito a questi problemi e per il fatto di essere obsoleto nei suoi riferimenti (ad esempio, non affronta il passaggio da IPython Notebook a Jupyter). Inoltre, potrebbe non essere abbastanza completo per i principianti che partono da zero.

(basato su 6 recensioni dei lettori)

Titolo originale:

Python Data Science Essentials

Contenuto del libro:

Caratteristiche principali Familiarizzare rapidamente con la scienza dei dati utilizzando Python Risparmiare tempo - e fatica - con tutti gli strumenti essenziali spiegati Creare progetti di scienza dei dati efficaci ed evitare le insidie più comuni con l'aiuto di esempi e suggerimenti dettati dall'esperienza Descrizione del libro

Il libro inizia introducendo l'utente alla creazione di una cassetta degli attrezzi essenziale per la scienza dei dati. Poi vi guiderà in tutte le fasi di selezione e preelaborazione dei dati. Questo viene fatto in modo da spiegare tutte le attività fondamentali della scienza dei dati relative al caricamento dei dati, alla trasformazione e al fissaggio per l'analisi, nonché all'esplorazione e all'elaborazione. Infine, completerà la panoramica presentando i principali algoritmi di apprendimento automatico, le tecniche di analisi dei grafici e tutti gli strumenti di visualizzazione che possono semplificare la presentazione dei risultati.

In questa guida, strutturata come un progetto di scienza dei dati, sarete sempre accompagnati da un codice chiaro e da esempi semplificati che vi aiuteranno a comprendere i meccanismi sottostanti e i set di dati reali. Cosa imparerete Configurate la vostra cassetta degli attrezzi per la scienza dei dati utilizzando l'ambiente scientifico Python su Windows, Mac e Linux Preparate i dati per il vostro progetto di scienza dei dati Manipolate, correggete ed esplorate i dati per risolvere i problemi di scienza dei dati Configurate una pipeline sperimentale per testare le vostre ipotesi di scienza dei dati Scegliete l'algoritmo di apprendimento più efficace e scalabile per le vostre attività di scienza dei dati Ottimizzate i vostri modelli di apprendimento automatico per ottenere le migliori prestazioni Esplorate e raggruppate i grafici, sfruttando le interconnessioni e i collegamenti nei vostri dati Sommario Primi passi La raccolta dei dati La pipeline della scienza dei dati Apprendimento automatico Analisi dei social network Visualizzazione