Practitioner's Guide to Data Science: Simplificarea soluțiilor de știința datelor utilizând Python, Scikit-Learn și Azure ML Service Platform

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 5 voturi.

Titlul original:

Practitioner's Guide to Data Science: Streamlining Data Science Solutions using Python, Scikit-Learn, and Azure ML Service Platform

Conținutul cărții:

"Cum va fi implementat proiectul Data Science? " nu a fost niciodată mai logic din punct de vedere conceptual, datorită lucrărilor prezentate în această carte. Această carte oferă o privire aprofundată asupra stării actuale a datelor din lume și asupra modului în care Data Science joacă un rol esențial în tot ceea ce facem.

Această carte explică și implementează întregul ciclu de viață al științei datelor utilizând procese cunoscute de știința datelor precum CRISP-DM și Microsoft TDSP. Cartea explică semnificația acestor procese în legătură cu rata ridicată de eșec a proiectelor Data Science.

Cartea ajută la construirea unei baze solide în conceptele Data Science și în cadrele aferente. Se învață cum să se implementeze cazuri de utilizare din lumea reală folosind date din setul de date HMDA. Ea explică arhitectura Azure ML Service, capacitățile sale și implementarea pentru echipa DS, care va fi apoi pregătită să implementeze MLOps. Cartea explică, de asemenea, cum să folosim Azure DevOps pentru a face procesul repetabil în timp ce suntem la el.

Până la sfârșitul acestei cărți, veți dobândi abilități solide de codificare Python, veți înțelege bine concepte precum ingineria caracteristicilor, veți crea vizualizări convingătoare și vă veți familiariza cu tehnici de construire a modelelor de învățare automată.

TABEL DE CONȚINUT

1. Știința datelor pentru afaceri.

2. Metodologii de proiect și procese de echipă în domeniul științei datelor.

3. Înțelegerea afacerii și peisajul său de date.

4. Achiziționarea, explorarea și analizarea datelor.

5. Preprocesarea și pregătirea datelor.

6. Dezvoltarea unui model de învățare automată.

7. Lap Around Azure ML Service.

8. Implementarea și gestionarea modelelor.