Proiecte de știința datelor cu Python

Recenzii ale cititorilor

Cartea oferă un ghid cuprinzător pentru proiectele de știința datelor utilizând Python, concentrându-se pe aplicații practice, din lumea reală și pe concepte de învățare automată. În timp ce mulți cititori apreciază explicațiile detaliate și exercițiile practice, unii critică calitatea exemplelor de cod și relevanța conținutului pentru cei care caută o înțelegere mai largă a analizei datelor, deoarece pune un accent puternic pe machine learning.

⬤ Explicații detaliate ale codului Python și ale conceptelor de învățare automată
⬤ aplicații practice bazate pe date din lumea reală
⬤ aspect bine structurat
⬤ potrivit pentru începători și pentru cei cu ceva experiență Python
⬤ autorul este receptiv și de ajutor.

⬤ Este posibil ca exemplele de cod să nu funcționeze conform destinației
⬤ unii cititori consideră că cartea se concentrează prea mult pe învățarea automată, cu o acoperire insuficientă a analizei și vizualizării datelor
⬤ calitate inconsistentă a imprimării
⬤ unele exemple pot fi neatractive și prost editate.

(pe baza a 17 recenzii ale cititorilor)

Titlul original:

Data Science Projects with Python

Conținutul cărții:

Obțineți experiență practică cu instrumentele standard din industrie de analiză a datelor și de învățare automată în Python Caracteristici cheie Abordați problemele de știința datelor prin identificarea problemei de rezolvat Ilustrați modelele din date utilizând vizualizări adecvate Implementați algoritmi de învățare automată adecvați pentru a obține informații din date Descrierea cărții

Data Science Projects with Python este concepută pentru a vă oferi îndrumări practice cu privire la instrumentele standard din industrie de analiză a datelor și de învățare automată, aplicându-le la probleme realiste legate de date. Veți învăța cum să utilizați pandas și Matplotlib pentru a examina critic seturile de date cu statistici sumare și grafice și pentru a extrage informațiile pe care doriți să le obțineți. Vă veți dezvolta cunoștințele pe măsură ce pregătiți datele utilizând pachetul scikit-learn și le alimentați cu algoritmi de învățare automată, cum ar fi regresia logistică regularizată și random forest. Veți descoperi cum să reglați algoritmii pentru a oferi cele mai exacte predicții pe date noi și nevăzute. Pe măsură ce avansați, veți obține informații despre funcționarea și rezultatele acestor algoritmi, dezvoltându-vă înțelegerea atât a capacităților de predicție ale modelelor, cât și a motivelor pentru care acestea fac aceste predicții.

Până la sfârșitul acestei cărți, veți avea abilitățile necesare pentru a utiliza cu încredere algoritmi de învățare automată pentru a efectua analize detaliate ale datelor și a extrage informații semnificative din date nestructurate. Ce veți învăța Instalați pachetele necesare pentru a configura un mediu de codare pentru știința datelor Încărcați datele într-un notebook Jupyter care rulează Python Utilizați Matplotlib pentru a crea vizualizări de date Potriviți modele de învățare automată utilizând scikit-learn Utilizați regresia lasso și ridge pentru a vă regulariza modelele Comparați performanța între modele pentru a găsi cele mai bune rezultate Utilizați validarea încrucișată k-fold pentru a selecta hiperparametrii modelului Cui se adresează această carte

Dacă sunteți un analist de date, un cercetător de date sau un analist de afaceri care dorește să înceapă să utilizeze Python și tehnici de învățare automată pentru a analiza date și a prezice rezultate, această carte este pentru dvs. Cunoștințele de bază despre Python și analiza datelor vă vor ajuta să profitați la maximum de această carte. Familiarizarea cu concepte matematice precum algebra și statisticile de bază va fi, de asemenea, utilă. Table of Contents Explorarea și curățarea datelor Introducere în Scikit-Learn și evaluarea modelelor Detalii despre regresia logistică și explorarea caracteristicilor Compromisul bias-varianță Arbori de decizie și păduri aleatorii Imputarea datelor lipsă, analiza financiară și livrarea către client