Data Science at the Command Line: Obținerea, scrutarea, explorarea și modelarea datelor cu instrumentele Unix Power Tools

Recenzii ale cititorilor

Recenzile subliniază faptul că această carte este bine scrisă și atractivă, făcând interesant un subiect potențial arid. Ea oferă sfaturi utile, în special pentru cei care lucrează cu fișiere CSV și instrumente de linie de comandă.

Bine scrisă, captivantă, sfaturi și recomandări utile, exemple clare, deosebit de bună pentru utilizatorii CSV, concisă și la obiect, include instrumente programate de autor.

Exemplele de cod ar putea fi confuze pentru utilizatorii începători ai liniei de comandă.

(pe baza a 5 recenzii ale cititorilor)

Titlul original:

Data Science at the Command Line: Obtain, Scrub, Explore, and Model Data with Unix Power Tools

Conținutul cărții:

Acest ghid complet revizuit demonstrează cum flexibilitatea liniei de comandă vă poate ajuta să deveniți un cercetător de date mai eficient și mai productiv. Veți învăța cum să combinați instrumente de linie de comandă mici, dar puternice, pentru a obține, scruta, explora și modela rapid datele dumneavoastră. Pentru a vă ajuta să începeți, autorul Jeroen Janssens vă oferă o imagine Docker cu peste 100 de instrumente de putere Unix - utile indiferent dacă lucrați cu Windows, macOS sau Linux.

Veți descoperi rapid de ce linia de comandă este o tehnologie agilă, scalabilă și extensibilă. Chiar dacă vă simțiți confortabil în procesarea datelor cu Python sau R, veți învăța cum să vă îmbunătățiți considerabil fluxul de lucru în domeniul științei datelor prin valorificarea puterii liniei de comandă. Această carte este ideală pentru oamenii de știință de date, analiști, ingineri, administratori de sistem și cercetători.

⬤ Obțineți date de pe site-uri web, API-uri, baze de date și foi de calcul.

⬤ Efectuați operațiuni de scrub pe fișiere text, CSV, HTML, XML și JSON.

⬤ Explorați datele, calculați statistici descriptive și creați vizualizări.

⬤ Managementul fluxului de lucru în domeniul științei datelor.

⬤ Crearea propriilor instrumente pornind de la linii simple și coduri Python sau R existente.

⬤ Paralelizați și distribuiți conducte de date intensive.

⬤ Modelați datele cu algoritmi de reducere a dimensionalității, regresie și clasificare.

⬤ Utilizați linia de comandă din Python, Jupyter, R, RStudio și Apache Spark.