Príručka pre praktikov v oblasti dátovej vedy: Príručka praktika: zefektívnenie riešení dátovej vedy pomocou Pythonu, Scikit-Learn a platformy Azure ML Service Platform

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 5 hlasoch.

Pôvodný názov:

Practitioner's Guide to Data Science: Streamlining Data Science Solutions using Python, Scikit-Learn, and Azure ML Service Platform

Obsah knihy:

"Ako sa má realizovať projekt Data Science?" nikdy neznela koncepčnejšie vďaka práci prezentovanej v tejto knihe. Táto kniha poskytuje podrobný pohľad na súčasný stav údajov vo svete a na to, ako Data Science zohráva kľúčovú úlohu vo všetkom, čo robíme.

Táto kniha vysvetľuje a implementuje celý životný cyklus Data Science s využitím známych procesov Data Science, ako sú CRISP-DM a Microsoft TDSP. Kniha vysvetľuje význam týchto procesov v súvislosti s vysokou mierou neúspešnosti projektov Data Science.

Kniha pomáha vybudovať pevné základy v oblasti koncepcií Data Science a súvisiacich rámcov. Učí, ako implementovať reálne prípady použitia s využitím údajov zo súboru údajov HMDA. Vysvetľuje architektúru služby Azure ML Service, jej možnosti a implementáciu pre tím DS, ktorý tak bude pripravený na implementáciu MLOps. Kniha tiež vysvetľuje, ako využiť Azure DevOps, aby bol proces opakovateľný a zároveň sme sa na ňom podieľali.

Na konci tejto knihy si osvojíte silné zručnosti v kódovaní v jazyku Python, získate pevnú predstavu o konceptoch, ako je feature engineering, vytvoríte prehľadné vizualizácie a zoznámite sa s technikami na vytváranie modelov strojového učenia.

OBSAH

1. Dátová veda pre podnikanie.

2. Metodiky a tímové procesy projektov dátovej vedy.

3. Chápanie biznisu a jeho dátového prostredia.

4. Získavanie, skúmanie a analýza údajov.

5. Predbežné spracovanie a príprava údajov.

6. Vývoj modelu strojového učenia.

7. Okolo služby Azure ML Service.

8. Nasadenie a správa modelov.