Progetti di scienza dei dati con Python - Seconda edizione: Un approccio basato su casi di studio per ottenere preziose intuizioni da dati reali con l'apprendimento automatico

Recensioni dei lettori

Questo libro è consigliato a persone con una certa esperienza di programmazione che vogliono imparare la scienza dei dati utilizzando Python. Fornisce una panoramica completa del flusso di lavoro della scienza dei dati, trattando argomenti quali la pulizia dei dati, l'analisi esplorativa, le tecniche di apprendimento automatico e la realizzazione di progetti. Il libro include esempi pratici e casi di studio per rafforzare l'apprendimento, anche se non è ideale per principianti o esperti.

⬤ Colma il divario tra teoria e applicazione pratica della scienza dei dati.
⬤ Copertura approfondita della pulizia dei dati, dell'analisi e della costruzione di modelli.
⬤ Numerosi esempi pratici e casi di studio.
⬤ Spiegazioni accessibili e adatte a studenti di livello intermedio.
⬤ Ben strutturato per guidare i lettori attraverso il ciclo di vita dei progetti di scienza dei dati.

⬤ Richiede una conoscenza preliminare della programmazione Python e di alcune statistiche.
⬤ Non è adatto a principianti assoluti o a data scientist esperti.
⬤ Manca di spiegazioni matematiche dettagliate per alcuni concetti.
⬤ Alcuni lettori potrebbero trovare limitante concentrarsi su progetti completi piuttosto che su esercizi più piccoli e individuali.

(basato su 35 recensioni dei lettori)

Titolo originale:

Data Science Projects with Python - Second Edition: A case study approach to gaining valuable insights from real data with machine learning

Contenuto del libro:

Acquisire esperienza pratica di programmazione Python con le tecniche di apprendimento automatico standard del settore utilizzando pandas, scikit-learn e XGBoost.

Caratteristiche principali:

⬤ Pensare in modo critico ai dati e utilizzarli per formulare e testare un'ipotesi.

⬤ Scegliere un modello di apprendimento automatico appropriato e addestrarlo sui dati.

⬤ Comunicare le intuizioni basate sui dati con sicurezza e chiarezza.

Descrizione del libro:

Se i dati sono il nuovo petrolio, l'apprendimento automatico è la trivella. Man mano che le aziende hanno accesso a quantità sempre maggiori di dati grezzi, la capacità di fornire modelli predittivi all'avanguardia che supportino il processo decisionale aziendale diventa sempre più preziosa.

In questo libro, lavorerete su un progetto end-to-end basato su un insieme di dati realistici e suddiviso in esercizi pratici di dimensioni ridotte. In questo modo si crea un approccio basato su un caso di studio che simula le condizioni di lavoro che si incontrano nei progetti di scienza dei dati del mondo reale.

Imparerete a utilizzare i principali pacchetti Python, tra cui pandas, Matplotlib e scikit-learn, e a padroneggiare il processo di esplorazione ed elaborazione dei dati, prima di passare all'adattamento, alla valutazione e alla messa a punto di algoritmi come la regressione logistica regolarizzata e la foresta casuale.

Giunto alla sua seconda edizione, questo libro vi accompagnerà nel processo end-to-end di esplorazione dei dati e di creazione di modelli di apprendimento automatico. Aggiornata per il 2021, questa edizione include nuovi contenuti su XGBoost, valori SHAP, equità algoritmica e problemi etici legati all'implementazione di un modello nel mondo reale.

Alla fine di questo libro sulla scienza dei dati, avrete le competenze, la comprensione e la sicurezza necessarie per costruire i vostri modelli di apprendimento automatico e ottenere intuizioni da dati reali.

Che cosa imparerete?

⬤ Caricare, esplorare ed elaborare i dati utilizzando il pacchetto Python pandas.

⬤ Utilizzare Matplotlib per creare visualizzazioni di dati interessanti.

⬤ Implementare modelli di apprendimento automatico predittivo con scikit-learn.

⬤ Utilizzare la regressione lasso e ridge per ridurre l'overfitting dei modelli.

⬤ Valutare le prestazioni dei modelli di random forest e di regressione logistica.

⬤ Consegnare intuizioni di business presentando conclusioni chiare e convincenti.

Per chi è questo libro:

Data Science Projects with Python - Second Edition è rivolto a tutti coloro che vogliono iniziare a lavorare con la scienza dei dati e l'apprendimento automatico. Se desiderate fare carriera utilizzando l'analisi dei dati e la modellazione predittiva per generare intuizioni di business, questo libro è il punto di partenza ideale. Per comprendere rapidamente i concetti trattati, si consiglia di avere un'esperienza di base nella programmazione con Python o un altro linguaggio simile e un interesse generale per la statistica.