Punteggio:
Il libro fornisce una guida completa ai progetti di scienza dei dati utilizzando Python, concentrandosi su applicazioni pratiche e reali e sui concetti di apprendimento automatico. Sebbene molti lettori apprezzino le spiegazioni dettagliate e gli esercizi pratici, alcuni criticano la qualità degli esempi di codice e la rilevanza del contenuto per coloro che cercano una comprensione più ampia dell'analisi dei dati, in quanto enfatizza fortemente l'apprendimento automatico.
Vantaggi:⬤ Spiegazioni dettagliate del codice Python e dei concetti di machine learning
⬤ applicazioni pratiche basate su dati reali
⬤ layout ben strutturato
⬤ adatto ai principianti e a chi ha una certa esperienza di Python
⬤ l'autore è reattivo e disponibile.
⬤ Gli esempi di codice potrebbero non funzionare come previsto
⬤ alcuni lettori trovano il libro eccessivamente incentrato sull'apprendimento automatico, con una copertura insufficiente dell'analisi e della visualizzazione dei dati
⬤ qualità di stampa incoerente
⬤ alcuni esempi potrebbero essere poco coinvolgenti e poco curati.
(basato su 17 recensioni dei lettori)
Data Science Projects with Python
Acquisire esperienza pratica con gli strumenti di analisi dei dati e di apprendimento automatico standard del settore in Python Caratteristiche principali Affrontare i problemi di scienza dei dati identificando il problema da risolvere Illustrare i modelli nei dati utilizzando visualizzazioni appropriate Implementare gli algoritmi di apprendimento automatico adatti per ottenere approfondimenti dai dati Descrizione del libro
Progetti di scienza dei dati con Python è stato progettato per fornire una guida pratica sugli strumenti di analisi dei dati e di apprendimento automatico standard del settore, applicandoli a problemi di dati realistici. Imparerete a utilizzare pandas e Matplotlib per esaminare criticamente i set di dati con statistiche e grafici riassuntivi ed estrarre le intuizioni che cercate di ricavare. Costruirete le vostre conoscenze preparando i dati con il pacchetto scikit-learn e alimentandoli con algoritmi di apprendimento automatico come la regressione logistica regolarizzata e la foresta casuale. Scoprirete come mettere a punto gli algoritmi per fornire le previsioni più accurate su dati nuovi e sconosciuti. Man mano che si procede, si approfondisce il funzionamento e l'output di questi algoritmi, sviluppando la comprensione delle capacità predittive dei modelli e dei motivi che li spingono a fare queste previsioni.
Alla fine di questo libro, avrete le competenze necessarie per utilizzare con sicurezza gli algoritmi di apprendimento automatico per eseguire analisi dettagliate dei dati ed estrarre informazioni significative da dati non strutturati. Cosa imparerete Installate i pacchetti necessari per impostare un ambiente di codifica per la scienza dei dati Caricate i dati in un taccuino Jupyter con Python Usate Matplotlib per creare visualizzazioni dei dati Adattate i modelli di apprendimento automatico usando scikit-learn Usate la regressione lasso e ridge per regolarizzare i vostri modelli Confrontate le prestazioni tra i modelli per trovare i risultati migliori Usate la convalida incrociata k-fold per selezionare gli iperparametri del modello A chi è rivolto questo libro
Se siete analisti di dati, data scientist o analisti aziendali che vogliono iniziare a usare Python e le tecniche di apprendimento automatico per analizzare i dati e prevedere i risultati, questo libro fa per voi. La conoscenza di base di Python e dell'analisi dei dati vi aiuterà a trarre il massimo da questo libro. Sarà utile anche la familiarità con concetti matematici come l'algebra e la statistica di base. Sommario Esplorazione e pulizia dei dati Introduzione a Scikit-Learn e valutazione dei modelli Dettagli sulla regressione logistica e sull'esplorazione delle caratteristiche Il trade-off bias-varianza Alberi decisionali e Foreste casuali Imputazione dei dati mancanti, analisi finanziaria e consegna al cliente
© Book1 Group - tutti i diritti riservati.
Il contenuto di questo sito non può essere copiato o utilizzato, né in parte né per intero, senza il permesso scritto del proprietario.
Ultima modifica: 2024.11.08 20:28 (GMT)