Productive and Efficient Data Science with Python: Best Practices Guide to Implementing Aiops
Táto kniha sa zameriava na nástroje a techniky založené na jazyku Python, ktoré vám pomôžu stať sa vysoko produktívnymi vo všetkých aspektoch typických dátových vied, ako sú štatistická analýza, vizualizácia, výber modelov a feature engineering.
Preskúmate neefektívnosť a úzke miesta, ktoré na vás číhajú v každodenných podnikových procesoch, a vyriešite ich pomocou praktických riešení. Automatizácia opakujúcich sa úloh dátovej vedy je kľúčovým myslením, ktoré sa presadzuje v celej knihe. Naučíte sa, ako rozšíriť existujúcu kódovaciu prax na spracovanie väčších súborov údajov s vysokou efektivitou pomocou pokročilých knižníc a balíkov, ktoré už existujú v ekosystéme Pythonu.
Kniha sa zameriava na témy, ako napríklad ako merať pamäťovú stopu a rýchlosť vykonávania modelov strojového učenia, testovanie kvality pipeline dátovej vedy a modulovanie pipeline dátovej vedy na vývoj aplikácií. Preskúmate knižnice jazyka Python, ktoré sa veľmi hodia na automatizáciu a zrýchlenie každodenných úloh.
Na záver pochopíte a budete vykonávať úlohy dátovej vedy a strojového učenia nad rámec tradičných metód a využijete celé spektrum ekosystému dátovej vedy Python na zvýšenie produktivity.
Čo sa naučíte
⬤ Píšte rýchly a efektívny kód pre dátovú vedu a strojové učenie.
⬤ Vytvárajte robustné a expresívne pipelines dátovej vedy.
⬤ Merať profil pamäte a CPU pre metódy strojového učenia.
⬤ Využívajte plný potenciál GPU na úlohy dátovej vedy.
⬤ Efektívne spracovávať veľké a zložité súbory údajov.
Pre koho je táto kniha určená
Dátovým vedcom, dátovým analytikom, inžinierom strojového učenia, pracovníkom v oblasti umelej inteligencie, štatistikom, ktorí chcú naplno využiť ekosystém Pythonu.
