Python Data Science Essentials - Seconda edizione: Imparare i fondamenti della scienza dei dati con Python

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 4 voti.

Titolo originale:

Python Data Science Essentials - Second Edition: Learn the fundamentals of Data Science with Python

Contenuto del libro:

Informazioni su questo libro.

⬤ Prendete rapidamente dimestichezza con la scienza dei dati utilizzando Python 3. 5.

⬤ Risparmiare tempo (e fatica) con tutti gli strumenti essenziali spiegati.

⬤ Creare progetti di data science efficaci ed evitare le insidie più comuni con l'aiuto di esempi e suggerimenti dettati dall'esperienza.

Per chi è questo libro.

Se siete aspiranti data scientist e avete almeno una conoscenza pratica dell'analisi dei dati e di Python, questo libro vi permetterà di iniziare a lavorare nel campo della scienza dei dati. Anche gli analisti di dati con esperienza di R o MATLAB troveranno in questo libro un riferimento completo per migliorare le loro capacità di manipolazione dei dati e di apprendimento automatico.

Cosa imparerete.

⬤ Impostare la propria cassetta degli attrezzi per la scienza dei dati utilizzando un ambiente scientifico Python su Windows, Mac e Linux.

⬤ Preparare i dati per il vostro progetto di scienza dei dati.

⬤ Manipolare, correggere ed esplorare i dati per risolvere i problemi della scienza dei dati.

⬤ Impostare una pipeline sperimentale per testare le vostre ipotesi di scienza dei dati.

⬤ Scegliere l'algoritmo di apprendimento più efficace e scalabile per le attività di data science.

⬤ Ottimizzare i modelli di apprendimento automatico per ottenere le migliori prestazioni.

⬤ Esplorare e raggruppare i grafici, sfruttando le interconnessioni e i collegamenti presenti nei dati.

In dettaglio.

Come seconda edizione di Python Data Science Essentials, questo libro offre contenuti aggiornati e ampliati. Basato sui recenti notebook Jupyter (basati su kernel intercambiabili, un vero e proprio sistema poliglotta per la scienza dei dati), questo libro incorpora tutti i principali miglioramenti apportati di recente a Numpy, pandas e Scikit-learn. Inoltre, offre nuovi contenuti sull'apprendimento profondo (presentando Keras - basato sia su Theano che su Tensorflow), sulle belle visualizzazioni (seaborn e ggplot) e sulla distribuzione sul web (utilizzando bottle).

Il libro inizia spiegando come configurare la propria cassetta degli attrezzi essenziale per la scienza dei dati nell'ultima versione di Python, la 3.5, utilizzando un approccio single source (il che implica che il codice di questo libro sarà facilmente riutilizzabile anche in Python 2.7). 7). Quindi, vi guiderà attraverso tutte le fasi di selezione e preelaborazione dei dati.

Infine, completerà la panoramica presentando i principali algoritmi di apprendimento automatico, le tecniche di analisi dei grafici e gli strumenti di visualizzazione e distribuzione.