Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 18 hlasoch.
Practical Data Science with Jupyter: Explore Data Cleaning, Pre-processing, Data Wrangling, Feature Engineering and Machine Learning using Python and
Riešenie obchodných problémov pomocou techník založených na údajoch a jednoduchých príkladov v jazyku Python
Kľúčové vlastnosti
⬤ Základné pokrytie štatistiky a techník dátovej vedy.
⬤ Obsahuje Jupyter, PyCharm a používanie GitHubu.
⬤ Reálne prípady použitia, osvedčené postupy a inteligentné techniky využívania dátovej vedy pre dátové aplikácie.
Popis
Táto kniha začína úvodom do dátovej vedy, po ktorom nasledujú koncepty jazyka Python. Čitatelia pochopia, ako spolupracovať s rôznymi databázovými a štatistickými konceptmi s ich implementáciou v jazyku Python. Dozviete sa, ako importovať rôzne typy údajov v jazyku Python, čo je prvý krok procesu analýzy údajov. Keď si osvojíte import údajov, vyčistíte súbor údajov a potom získate prehľad o rôznych vizualizačných grafoch. Táto kniha sa zameriava na to, ako aplikovať techniky príznakového inžinierstva, aby boli vaše údaje hodnotnejšie pre algoritmus. Čitatelia sa zoznámia s rôznymi algoritmami strojového učenia, koncepciami, údajmi časových radov a niekoľkými prípadovými štúdiami z reálneho sveta. V tejto knihe sú tiež uvedené niektoré osvedčené postupy, ktoré vám pomôžu byť pripravení v odbore.
Táto kniha sa zameriava na to, ako si precvičiť techniky dátovej vedy a zároveň sa naučiť ich koncepty pomocou Pythonu a Jupyteru. Táto kniha je úplnou odpoveďou na najčastejšiu otázku, ako môžete začať s dátovou vedou namiesto vysvetľovania matematiky a štatistiky za algoritmami strojového učenia.
Čo sa naučíte
⬤ Rýchle pochopenie konceptov jazyka Python pre aplikácie dátovej vedy.
⬤ Pochopenie a precvičenie spôsobu vykonávania analýzy údajov pomocou techník a algoritmov dátovej vedy.
⬤ Naučíte sa feature engineering, prácu s rôznymi dátovými súbormi a najtrendovejšie algoritmy strojového učenia.
⬤ Staňte sa sebestačnými pri vykonávaní úloh dátovej vedy pomocou najlepších nástrojov a techník.
Pre koho je táto kniha určená
Táto kniha je určená pre začiatočníkov alebo skúsených profesionálov, ktorí uvažujú o kariére alebo o zmene povolania v oblasti dátovej vedy. Každá kapitola obsahuje prehľadné príklady v jazyku Python.
Obsah
1. Základy dátovej vedy.
2. Inštalácia softvéru a nastavenie systému.
3. Zoznamy a slovníky.
4. Balík, funkcia a slučka.
5. NumPy Foundation.
6. Pandas a DataFrame.
7. Interakcia s databázami.
8. Štatistické myslenie v dátovej vede.
9. Ako importovať údaje v jazyku Python?
10. Čistenie importovaných údajov.
11. Vizualizácia údajov.
12. Predbežné spracovanie údajov.
13. Kontrolované strojové učenie.
14. Strojové učenie bez dozoru.
15. Spracovanie údajov časových radov.
16. Metódy časových radov.
17. Prípadová štúdia 1.
18. Prípadová štúdia-2.
19. Prípadová štúdia-3.
20. Prípadová štúdia-4.
21. Virtuálne prostredie Python.
22. Úvod do pokročilého algoritmu - CatBoost.
23. Revízia učiva všetkých kapitol.
O autorovi
Prateek Gupta je dátový nadšenec a miluje technológie založené na dátach. Prateek ukončil bakalárske štúdium v odbore informatiky a inžinierstva a v súčasnosti pracuje ako dátový vedec v IT spoločnosti. Prateek má celkovo 9 rokov skúseností v softvérovom priemysle a v súčasnosti pracuje v oblasti počítačového videnia. Prateek realizoval rôzne komplexné projekty Data Science pre klientov z oblasti rybárstva, vinárstva a elektronického obchodu. Jeho implementované modely detekcie a rozpoznávania objektov a odporúčacie motory produktov vyriešili mnohé obchodné problémy rôznych klientov. Oblasťou jeho veľkého záujmu je spracovanie prirodzeného jazyka a počítačové videnie. Vo voľnom čase píše príspevky o umelej inteligencii na svojom blogu.
Odkazy na blog: http: //dsbyprateekg. blogspot.com/.
LinkedIn profil: https: //www.linkedin.com/in/prateek-gupta-64203354/.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)