Scienza dei dati alla riga di comando: Ottenere, analizzare, esplorare e modellare i dati con i potenti strumenti Unix

Recensioni dei lettori

Le recensioni sottolineano che il libro è ben scritto e coinvolgente, rendendo interessante un argomento potenzialmente arido. Fornisce consigli utili, soprattutto per chi lavora con i file CSV e gli strumenti a riga di comando.

Ben scritto, avvincente, consigli e raccomandazioni utili, esempi chiari, particolarmente adatti agli utenti di CSV, conciso e diretto, include strumenti programmati dall'autore.

Gli esempi di codice potrebbero confondere gli utenti principianti della riga di comando.

(basato su 5 recensioni dei lettori)

Titolo originale:

Data Science at the Command Line: Obtain, Scrub, Explore, and Model Data with Unix Power Tools

Contenuto del libro:

Questa guida, completamente rivista, dimostra come la flessibilità della riga di comando possa aiutare a diventare un data scientist più efficiente e produttivo. Imparerete a combinare piccoli ma potenti strumenti da riga di comando per ottenere, analizzare, esplorare e modellare rapidamente i vostri dati. Per iniziare, l'autore Jeroen Janssens fornisce un'immagine Docker con oltre 100 strumenti Unix, utili sia che si lavori con Windows, macOS o Linux.

Scoprirete rapidamente perché la linea di comando è una tecnologia agile, scalabile ed estensibile. Anche se vi sentite a vostro agio nell'elaborazione dei dati con Python o R, imparerete come migliorare notevolmente il vostro flusso di lavoro nella scienza dei dati sfruttando la potenza della riga di comando. Questo libro è ideale per data scientist, analisti, ingegneri, amministratori di sistema e ricercatori.

⬤ Ottenere dati da siti web, API, database e fogli di calcolo.

⬤ Eseguire operazioni di scrub su file di testo, CSV, HTML, XML e JSON.

⬤ Esplorare i dati, calcolare statistiche descrittive e creare visualizzazioni.

⬤ Gestire il flusso di lavoro della scienza dei dati.

⬤ Creare i propri strumenti a partire da one-liner e da codice Python o R esistente.

⬤ Parallelizzare e distribuire pipeline ad alta intensità di dati.

⬤ Modellare i dati con algoritmi di riduzione della dimensionalità, regressione e classificazione.

⬤ Utilizzare la linea di comando di Python, Jupyter, R, RStudio e Apache Spark.