Hodnotenie:
Kniha o vede o údajoch v jazyku Python získala od používateľov zmiešané recenzie, ktoré vyzdvihujú jej silné stránky v oblasti praktických pokynov a štruktúrovaného učenia, pričom čelí kritike za chyby v obsahu a nedostatočné aktualizácie.
Výhody:Čitatelia oceňujú jasný štýl písania, praktické príklady a efektívnu organizáciu tém. Konštatujú, že je užitočná pre začiatočníkov aj skúsených používateľov, ktorí si chcú osviežiť svoje znalosti. Kniha pokrýva základné koncepty v oblasti dátovej vedy a obsahuje časť o pokročilých témach, ako sú napríklad obmedzené Boltzmannove stroje.
Nevýhody:Niektorí používatelia kritizovali knihu za to, že obsahuje množstvo chýb v príkladoch kódu, chýba podpora zo strany autora týkajúca sa týchto problémov a je neaktuálna vo svojich odkazoch (napr. nerieši prechod z IPython Notebook na Jupyter). Okrem toho nemusí byť dostatočne komplexná pre úplných začiatočníkov, ktorí začínajú od nuly.
(na základe 6 čitateľských recenzií)
Python Data Science Essentials
Kľúčové vlastnosti Rýchlo sa zoznámte s dátovou vedou pomocou jazyka Python Ušetrite čas - a námahu - vďaka všetkým vysvetleným základným nástrojom Vytvárajte efektívne projekty dátovej vedy a vyhnite sa bežným nástrahám pomocou príkladov a tipov diktovaných skúsenosťami Popis knihy
Kniha začína tým, že vás zoznámi s nastavením vášho základného súboru nástrojov dátovej vedy. Potom vás prevedie všetkými fázami spracovania a predspracovania údajov. Urobí tak spôsobom, ktorý vysvetlí všetky základné činnosti dátovej vedy súvisiace s načítaním údajov, ich transformáciou a úpravou na analýzu, ako aj ich skúmaním a spracovaním. Nakoniec doplní prehľad tým, že vám predstaví hlavné algoritmy strojového učenia, technickú stránku analýzy grafov a všetky vizualizačné nástroje, ktoré vám môžu uľahčiť život pri prezentácii výsledkov.
V tejto príručke, štruktúrovanej ako projekt dátovej vedy, vás bude vždy sprevádzať jasný kód a zjednodušené príklady, ktoré vám pomôžu pochopiť základnú mechaniku a reálne súbory údajov. Čo sa naučíte Nastavte si sadu nástrojov pre vedu o údajoch pomocou vedeckého prostredia Python v systémoch Windows, Mac a Linux Pripravte si údaje pre svoj projekt vedy o údajoch Manipulujte s údajmi, opravujte ich a skúmajte s cieľom riešiť problémy vedy o údajoch Nastavte si experimentálne potrubie na testovanie hypotéz vedy o údajoch Vyberte si najefektívnejší a škálovateľný algoritmus učenia pre svoje úlohy vedy o údajoch Optimalizujte svoje modely strojového učenia, aby ste dosiahli čo najlepší výkon Skúmajte a zhlukujte grafy, pričom využite vzájomné prepojenia a väzby vo svojich údajoch Obsah Prvé kroky Zhlukovanie údajov Potrubie vedy o údajoch Strojové učenie Analýza sociálnych sietí Vizualizácia
