Scienza dei dati con Python e R

Recensioni dei lettori

Il libro è riconosciuto per la sua chiarezza e utilità nella pulizia dei dati, con un'enfasi sull'apprendimento basato sugli esempi. Tuttavia, viene criticato per il prezzo elevato, la mancanza di supporto online per i set di dati e per i piccoli problemi di qualità di stampa.

Facile da leggere, buon riferimento per i corsi di pulizia dei dati, ben dettagliato, orientato agli esempi con frammenti di codice.

Costoso per la sua lunghezza, qualità di stampa sfocata in alcune pagine, assenza di supporto online per i set di dati, mancanza di accesso a codici e set di dati correlati, passaggi non chiari.

(basato su 6 recensioni dei lettori)

Titolo originale:

Data Science Using Python and R

Contenuto del libro:

Imparare la scienza dei dati facendo scienza dei dati

Data Science Using Python and Rvi farà entrare nelle due piattaforme open-source più diffuse al mondo per la scienza dei dati: Python e R.

La scienza dei dati è molto richiesta. Bloomberg ha definito il data scientist "il lavoro più caldo d'America". Python e R sono i due strumenti open-source per la scienza dei dati più diffusi al mondo. In Data Science Using Python and R, imparerete passo dopo passo come produrre soluzioni pratiche a problemi aziendali reali, utilizzando tecniche all'avanguardia.

Data Science Using Python and R è scritto per il lettore generico che non ha precedenti esperienze di analisi o di programmazione. Un intero capitolo è dedicato all'apprendimento delle basi di Python e R. Ogni capitolo, poi, presenta istruzioni passo-passo e spiegazioni per risolvere problemi di scienza dei dati con Python e R.

Gli argomenti trattati comprendono la preparazione dei dati, l'analisi esplorativa dei dati, la preparazione alla modellazione dei dati, gli alberi decisionali, la valutazione dei modelli, i costi di classificazione errata, la classificazione di Na-Ve Bayes, le reti neurali, il clustering, la modellazione della regressione, la riduzione delle dimensioni e l'estrazione di regole di associazione.

Inoltre, sono inclusi nuovi argomenti interessanti come le foreste casuali e i modelli lineari generali. Il libro enfatizza i costi degli errori basati sui dati per migliorare la redditività, evitando le comuni insidie che possono costare milioni di dollari a un'azienda.

Data Science Using Python and R fornisce esercizi alla fine di ogni capitolo, per un totale di oltre 500 esercizi nel libro. I lettori avranno quindi molte opportunità di mettere alla prova le loro nuove abilità e competenze nel campo della scienza dei dati. Negli esercizi di Analisi pratica, i lettori sono chiamati a risolvere interessanti problemi aziendali utilizzando set di dati reali.