Recenzii ale cititorilor
Rezumat:Această carte este bine apreciată de utilizatori pentru claritatea și utilitatea sa în învățarea Python pentru știința datelor, potrivită atât pentru începători, cât și pentru programatorii intermediari. Oferă exemple și exerciții practice, deși unii utilizatori au considerat-o frustrantă din cauza calității imprimării și a erorilor de programare.
Avantaje:⬤ Clar și concis
⬤ excelent pentru începători și intermediari
⬤ exemple practice
⬤ util pentru învățarea conceptelor științei datelor
⬤ se încheie cu exerciții pentru înțelegere
⬤ potrivit ca manual.
Dezavantaje:⬤ Tipărit în alb-negru care afectează claritatea graficului
⬤ unele fragmente de cod nu funcționează corect
⬤ probleme pedagogice
⬤ necesită cunoștințe prealabile de Python pentru o înțelegere optimă.
(pe baza a 9 recenzii ale cititorilor)
Titlul original:
Data Science Essentials in Python: Collect - Organize - Explore - Predict - Value
Conținutul cărții:
Treceți de la artefacte murdare și nestructurate stocate în baze de date SQL și NoSQL la un set de date ordonat și bine organizat cu această referință rapidă pentru cercetătorul de date ocupat. Înțelegeți explorarea textului, învățarea automată și analiza rețelelor; procesați date numerice cu modulele NumPy și Pandas; descrieți și analizați date folosind metode statistice și teoretice de rețea; și vedeți exemple reale de analiză a datelor la lucru. Această soluție unică acoperă știința datelor esențială de care aveți nevoie în Python.
Știința datelor este una dintre disciplinele cu cea mai rapidă creștere în ceea ce privește cercetarea academică, înscrierea studenților și ocuparea forței de muncă. Python, cu flexibilitatea și scalabilitatea sa, depășește rapid limbajul R pentru proiectele de știința datelor. Păstrați conceptele de știința datelor Python la îndemână cu această referință rapidă, modulară, a instrumentelor utilizate pentru a achiziționa, curăța, analiza și stoca date.
Această soluție unică acoperă Python esențial, baze de date, analiza rețelelor, prelucrarea limbajului natural, elemente de învățare automată și vizualizare. Accesați text structurat și nestructurat și date numerice din fișiere locale, baze de date și Internet. Aranjați, rearanjați și curățați datele. Lucrul cu baze de date relaționale și non-relaționale, vizualizarea datelor și analiza predictivă simplă (regresii, clustering și arbori de decizie). Vedeți cum sunt rezolvate problemele tipice de analiză a datelor. Și încercați să găsiți propriile soluții la o varietate de proiecte la scară medie, la care este distractiv să lucrați și care arată bine în CV-ul dumneavoastră.
Păstrați acest ghid rapid la îndemână lângă dvs. indiferent dacă sunteți student, un profesionist entry-level în domeniul științei datelor care convertește de la R la Python sau un dezvoltator Python experimentat care nu dorește să memoreze fiecare funcție și opțiune.
Ce vă trebuie:
Aveți nevoie de o distribuție decentă de Python 3. 3 sau mai mare care include cel puțin NLTK, Pandas, NumPy, Matplotlib, Networkx, SciKit-Learn și BeautifulSoup. O distribuție excelentă care îndeplinește cerințele este Anaconda, disponibilă gratuit de la www.continuum. io. Dacă intenționați să vă configurați propriile servere de baze de date, aveți nevoie și de MySQL (www.mysql.com) și MongoDB (www.mongodb.com). Ambele pachete sunt gratuite și funcționează pe Windows, Linux și Mac OS.
