Recenzie čitateľov
Zhrnutie:Táto kniha je používateľmi dobre hodnotená pre svoju zrozumiteľnosť a užitočnosť pri učení sa jazyka Python pre dátovú vedu, je vhodná pre začiatočníkov aj stredne pokročilých programátorov. Ponúka praktické príklady a cvičenia, hoci niektorí používatelia ju považovali za frustrujúcu kvôli kvalite tlače a programátorským chybám.
Výhody:⬤ Jasná a stručná
⬤ skvelá pre začiatočníkov aj stredne pokročilých
⬤ praktické príklady
⬤ užitočné pri učení sa konceptov dátovej vedy
⬤ končí cvičeniami na pochopenie
⬤ vhodná ako príručka.
Nevýhody:⬤ Vytlačené čiernobielo, čo ovplyvňuje prehľadnosť grafov
⬤ niektoré úryvky kódu nefungujú správne
⬤ pedagogické problémy
⬤ vyžaduje predchádzajúce znalosti jazyka Python na optimálne pochopenie.
(na základe 9 čitateľských recenzií)
Pôvodný názov:
Data Science Essentials in Python: Collect - Organize - Explore - Predict - Value
Obsah knihy:
Prejdite od chaotických, neštruktúrovaných artefaktov uložených v databázach SQL a NoSQL k prehľadnému, dobre organizovanému súboru údajov s touto stručnou príručkou pre zaneprázdnených dátových vedcov. Porozumiete textovému dolovaniu, strojovému učeniu a sieťovej analýze; spracujete číselné údaje pomocou modulov NumPy a Pandas; opíšete a analyzujete údaje pomocou štatistických a sieťovo-teoretických metód; a pozriete si skutočné príklady analýzy údajov v praxi. Toto komplexné riešenie pokrýva základnú dátovú vedu, ktorú potrebujete v jazyku Python.
Dátová veda je jednou z najrýchlejšie rastúcich disciplín z hľadiska akademického výskumu, počtu študentov a zamestnanosti. Python svojou flexibilitou a škálovateľnosťou rýchlo predbieha jazyk R pri dátovo-vedeckých projektoch. Majte koncepty dátovej vedy v jazyku Python vždy po ruke vďaka tejto modulárnej, rýchlej referencii na nástroje používané na získavanie, čistenie, analýzu a ukladanie údajov.
Toto komplexné riešenie zahŕňa základné znalosti jazyka Python, databáz, sieťovej analýzy, spracovania prirodzeného jazyka, prvkov strojového učenia a vizualizácie. Získajte prístup k štruktúrovaným a neštruktúrovaným textovým a číselným údajom z miestnych súborov, databáz a internetu. Usporiadajte, preusporiadajte a vyčistite údaje. Pracovať s relačnými a nerelačnými databázami, vizualizáciou údajov a jednoduchou prediktívnou analýzou (regresie, zhlukovanie a rozhodovacie stromy). Pozrite sa, ako sa riešia typické problémy analýzy údajov. A vyskúšajte si vlastné riešenia rôznych projektov stredného rozsahu, na ktorých je zábavné pracovať a ktoré sa dobre vynímajú vo vašom životopise.
Túto praktickú stručnú príručku majte pri sebe, či už ste študent, začínajúci profesionál v oblasti dátovej vedy, ktorý prechádza z jazyka R na Python, alebo skúsený vývojár v jazyku Python, ktorý sa nechce učiť naspamäť každú funkciu a možnosť.
Čo potrebujete:
Potrebujete slušnú distribúciu Pythonu 3. 3 alebo vyššiu, ktorá obsahuje aspoň NLTK, Pandas, NumPy, Matplotlib, Networkx, SciKit-Learn a BeautifulSoup. Skvelou distribúciou, ktorá spĺňa tieto požiadavky, je Anaconda, dostupná zadarmo na adrese www.continuum. io. Ak si plánujete zriadiť vlastné databázové servery, potrebujete aj MySQL (www.mysql.com) a MongoDB (www.mongodb.com). Oba balíky sú bezplatné a fungujú v systémoch Windows, Linux a Mac OS.
