Scienza dei dati pratica con Python: Imparare strumenti e tecniche con esempi pratici per estrarre intuizioni dai dati

Recensioni dei lettori

Il libro è un'introduzione completa e ben strutturata alla scienza dei dati con Python, adatta sia ai neofiti che a chi ha già una certa esperienza nel settore. Copre un'ampia gamma di argomenti, dall'installazione di base di Python alle tecniche avanzate di apprendimento automatico, integrate da esempi pratici e spiegazioni. Tuttavia, alcuni lettori ritengono che possa essere troppo avanzato per i principianti assoluti.

⬤ Stile di scrittura approfondito e coinvolgente, accessibile a lettori con diversi livelli di conoscenza di Python e della scienza dei dati.
⬤ Copertura completa di vari argomenti importanti della scienza dei dati, tra cui il data wrangling, l'apprendimento automatico e l'uso delle principali librerie Python.
⬤ Spiegazioni chiare ed esempi pratici aiutano a comprendere concetti complessi.
⬤ Disponibilità di risorse come codice GitHub ed esempi di Jupyter Notebook.
⬤ Il libro riesce a bilanciare con successo informazioni dettagliate e applicazioni pratiche, rendendolo utile sia per i principianti che per i professionisti più avanzati.

⬤ Alcune sezioni sono considerate troppo avanzate per i principianti, rendendo il libro potenzialmente confuso per coloro che non hanno alcuna conoscenza di Python.
⬤ Alcuni lettori hanno trovato alcune parti del libro aride o opprimenti a causa della profondità delle informazioni presentate.
⬤ I capitoli iniziali che coprono le basi di Python possono risultare superflui per gli utenti esperti di Python, inducendoli a scorrere il materiale che già comprendono.

(basato su 12 recensioni dei lettori)

Titolo originale:

Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data

Contenuto del libro:

Impara a gestire efficacemente i dati e ad eseguire progetti di scienza dei dati dall'inizio alla fine utilizzando Python.

Caratteristiche principali:

⬤ Comprendere e utilizzare gli strumenti di scienza dei dati in Python, come gli algoritmi specializzati di apprendimento automatico e la modellazione statistica.

⬤ Costruire una solida base di scienza dei dati con i migliori strumenti di scienza dei dati disponibili in Python.

⬤ Aggiungere valore a voi stessi, alla vostra organizzazione e alla società estraendo informazioni utili dai dati grezzi.

Descrizione del libro:

Practical Data Science with Python insegna i concetti fondamentali della scienza dei dati, con esempi reali e realistici, e rafforza la presa sui principi di base e avanzati della preparazione e dell'archiviazione dei dati, della statistica, della teoria della probabilità, dell'apprendimento automatico e della programmazione Python, aiutandovi a costruire una solida base per acquisire competenza nella scienza dei dati.

Il libro inizia con una panoramica delle competenze di base di Python e poi introduce le tecniche fondamentali della scienza dei dati, seguite da una spiegazione approfondita del codice Python necessario per eseguire le tecniche. Il codice viene compreso lavorando sugli esempi. Il codice è stato suddiviso in piccole parti (poche righe o una funzione alla volta) per consentire una discussione approfondita.

Man mano che si procede, si impara a eseguire l'analisi dei dati esplorando le funzionalità dei principali pacchetti Python per la scienza dei dati, tra cui pandas, SciPy e scikit-learn. Infine, il libro affronta i temi dell'etica e della privacy nella scienza dei dati e suggerisce risorse per migliorare le competenze nella scienza dei dati, nonché modi per rimanere aggiornati sui nuovi sviluppi della scienza dei dati.

Alla fine del libro, dovreste essere in grado di utilizzare comodamente Python per progetti di base di scienza dei dati e dovreste avere le competenze per eseguire il processo di scienza dei dati su qualsiasi fonte di dati.

Che cosa imparerete:

⬤ Utilizzare efficacemente i pacchetti Python per la scienza dei dati.

⬤ Pulire e preparare i dati per il lavoro di data science, compresa l'ingegneria delle caratteristiche e la selezione delle caratteristiche.

⬤ Modellazione dei dati, compresi i modelli statistici classici (ad esempio, i test t) e gli algoritmi di apprendimento automatico (ML) essenziali, come le foreste casuali e i modelli boosted.

⬤ Valutare le prestazioni dei modelli.

⬤ Confrontare e comprendere diversi metodi di ML.

⬤ Interagire con fogli di calcolo Excel attraverso Python.

⬤ Creare rapporti automatizzati di scienza dei dati con Python.

⬤ Essere alle prese con le tecniche di analisi del testo.

Per chi è questo libro:

Il libro si rivolge ai principianti, tra cui gli studenti che iniziano o stanno per iniziare un programma di data science, analytics o affini (ad esempio, corsi di laurea, master, bootcamp, corsi online), ai neolaureati che vogliono apprendere nuove competenze per distinguersi nel mercato del lavoro, ai professionisti che vogliono imparare tecniche pratiche di data science in Python e a coloro che desiderano spostare la propria carriera verso la data science.

Il libro richiede una familiarità di base con Python. È stata inclusa una sezione "Come iniziare con Python" per far sì che i neofiti si avvicinino al mondo della scienza dei dati.