Scienza dei dati pratica con Jupyter: Esplorare la pulizia dei dati, la pre-elaborazione, la gestione dei dati, l'ingegneria delle caratteristiche e l'apprendimento automatico con Python e Jupyter.

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 18 voti.

Titolo originale:

Practical Data Science with Jupyter: Explore Data Cleaning, Pre-processing, Data Wrangling, Feature Engineering and Machine Learning using Python and

Contenuto del libro:

Risolvere i problemi aziendali con tecniche basate sui dati ed esempi Python facili da seguire.

Caratteristiche principali

⬤ Copertura essenziale su statistiche e tecniche di scienza dei dati.

⬤ Esposizione a Jupyter, PyCharm e all'uso di GitHub.

⬤ Casi d'uso reali, best practice e tecniche intelligenti sull'uso della scienza dei dati per le applicazioni di dati.

Descrizione

Questo libro inizia con un'introduzione alla scienza dei dati, seguita dai concetti di Python. I lettori capiranno come interagire con vari concetti di database e statistica con le loro implementazioni Python. Imparerete a importare vari tipi di dati in Python, che è il primo passo del processo di analisi dei dati. Una volta acquisita dimestichezza con l'importazione dei dati, si procederà alla pulizia del set di dati e quindi alla comprensione dei vari grafici di visualizzazione. Questo libro si concentra su come applicare le tecniche di feature engineering per rendere i dati più preziosi per un algoritmo. I lettori conosceranno vari algoritmi di apprendimento automatico, concetti, dati di serie temporali e alcuni casi di studio reali. Questo libro presenta anche alcune best practice che vi aiuteranno a essere pronti per il settore.

Questo libro si concentra su come mettere in pratica le tecniche di scienza dei dati imparando i loro concetti utilizzando Python e Jupyter. Questo libro è una risposta completa alla domanda più comune: come si può iniziare con la scienza dei dati, invece di spiegare la matematica e la statistica che stanno dietro agli algoritmi di apprendimento automatico.

Che cosa imparerete?

⬤  Rapida comprensione dei concetti di Python per le applicazioni di scienza dei dati.

⬤  Comprendere e mettere in pratica l'analisi dei dati con le tecniche e gli algoritmi della scienza dei dati.

⬤  Imparare l'ingegneria delle caratteristiche, la gestione di diversi set di dati e gli algoritmi di apprendimento automatico più in voga.

⬤  Diventare autosufficienti per eseguire attività di scienza dei dati con i migliori strumenti e tecniche.

A chi è rivolto questo libro

Questo libro si rivolge a un principiante o a un professionista esperto che sta pensando di intraprendere una carriera o di passare alla scienza dei dati. Ogni capitolo contiene esempi Python facili da seguire.

Indice dei contenuti

1. Fondamenti di Data Science.

2. Installazione del software e configurazione del sistema.

3. Elenchi e dizionari.

4. Pacchetto, funzione e ciclo.

5. Fondazione NumPy.

6. Pandas e DataFrame.

7. Interazione con i database.

8. Pensare in modo statistico nella scienza dei dati.

9. Come importare dati in Python?

10. Pulizia dei dati importati.

11. Visualizzazione dei dati.

12. Pre-elaborazione dei dati.

13. Apprendimento automatico supervisionato.

14. Apprendimento automatico non supervisionato.

15. Gestione delle serie temporali.

16. Metodi per le serie temporali.

17. Caso di studio-1.

18. Caso di studio-2.

19. Caso di studio 3.

20. Caso di studio-4.

21. Ambiente virtuale Python.

22. Introduzione a un algoritmo avanzato - CatBoost.

23. Revisione dell'apprendimento di tutti i capitoli.

Informazioni sull'autore

Prateek Gupta è un appassionato di dati e ama le tecnologie basate sui dati. Prateek ha completato il suo B. Tech in Computer Science & Engineering e attualmente lavora come Data Scientist in un'azienda IT. Prateek ha un'esperienza totale di 9 anni nell'industria del software e attualmente lavora nell'area della computer vision. Prateek ha realizzato diversi progetti di Data Science end-to-end per clienti del settore ittico, vinicolo e dell'e-commerce. I suoi modelli di rilevamento e riconoscimento degli oggetti e i motori di raccomandazione dei prodotti hanno risolto molti problemi aziendali di vari clienti. La sua area di interesse è l'elaborazione del linguaggio naturale e la computer vision. Nel tempo libero, scrive articoli sull'intelligenza artificiale nel suo blog.

Link al blog: http: //dsbyprateekg. blogspot.com/.

Profilo LinkedIn: https: //www.linkedin.com/in/prateek-gupta-64203354/.