Julia pentru știința datelor

Recenzii ale cititorilor

Cartea este apreciată pentru accentul pus pe utilizarea limbajului Julia pentru știința datelor, ceea ce o face deosebit de utilă pentru cercetătorii din domeniul datelor care fac tranziția de la alte limbaje de programare. Cu toate acestea, suferă de erori de cod notabile și exemple învechite care pot împiedica experiențele de învățare ale cititorilor.

Bine axată pe știința datelor cu Julia, introducere excelentă pentru începători, apreciată pentru explicațiile concise și viteza limbajului Julia, utilă pentru tranziția de la Python la Julia, ajută cititorii să devină competenți rapid.

Conține numeroase erori de cod și exemple învechite, îi lipsește o erată cuprinzătoare, unele exemple slab formatate și greu de citit, comentariile privind codul ar putea fi mai bine plasate, anumite biblioteci menționate sunt depășite.

(pe baza a 7 recenzii ale cititorilor)

Titlul original:

Julia for Data Science

Conținutul cărții:

După acoperirea importanței Julia pentru comunitatea științei datelor și a câtorva principii esențiale ale științei datelor, vom începe cu elementele de bază, inclusiv modul de instalare a programului Julia și a bibliotecilor sale puternice. Sunt oferite numeroase exemple pentru a ilustra modul de utilizare a fiecărei comenzi, seturi de date și funcții Julia.

Pachetele de scripturi specializate sunt introduse și descrise. Sunt oferite probleme practice reprezentative pentru cele întâlnite în mod obișnuit pe parcursul procesului de cercetare științifică a datelor și vă ghidăm în utilizarea programului Julia pentru rezolvarea acestora utilizând seturi de date publicate. Multe dintre aceste scenarii utilizează pachetele existente și funcțiile încorporate, deoarece vom acoperi:

⬤ O prezentare generală a conductei de știință a datelor împreună cu un exemplu care ilustrează punctele cheie, implementat în Julia.

⬤ Opțiuni pentru IDE-urile Julia.

⬤ Structuri și funcții de programare.

⬤ Tarefe de inginerie, cum ar fi importul, curățarea, formatarea și stocarea datelor, precum și efectuarea preprocesării datelor.

⬤ Vizualizarea datelor și unele statistici simple, dar puternice, în scopul explorării datelor.

⬤ Reducerea dimensionalității și evaluarea caracteristicilor.

⬤ Metode de învățare mecanică, de la cele nesupravegheate (diferite tipuri de clustering) la cele supravegheate (arbori de decizie, păduri aleatorii, rețele neuronale de bază, arbori de regresie și Extreme Learning Machines)

⬤ Analiza grafică, inclusiv identificarea conexiunilor dintre diferitele entități și modul în care acestea pot fi exploatate pentru a obține informații utile.

Fiecare capitol se încheie cu o serie de întrebări și exerciții pentru a consolida ceea ce ați învățat. Ultimul capitol al cărții vă va ghida în crearea de la zero a unei aplicații de știința datelor folosind Julia.