Știința datelor cu Jupyter: Stăpânirea abilităților de Data Science cu exemple Python ușor de urmat

Recenzii ale cititorilor

Cartea a primit recenzii mixte, unii utilizatori considerând-o utilă pentru începătorii în știința datelor, în timp ce alții îi critică profunzimea și claritatea, în special în explicarea sintaxei Python și a utilizării Jupyter.

Unii cititori apreciază cartea pentru utilitatea sa în revizuirea conceptelor și limbajul său clar pentru începători. Ea acoperă o gamă largă de subiecte din știința datelor și este considerată un punct de plecare decent pentru cei interesați de domeniu.

Mulți recenzenți subliniază lipsa de profunzime a cărții, explicațiile slabe și acoperirea inadecvată a sintaxei Python. Criticii menționează că aceasta necesită cunoștințe prealabile în știința datelor și programare pentru a fi utilă, iar unii consideră conținutul insuficient pentru o învățare serioasă.

(pe baza a 11 recenzii ale cititorilor)

Titlul original:

Data Science with Jupyter: Master Data Science skills with easy-to-follow Python examples

Conținutul cărții:

Ghid pas cu pas pentru practicarea tehnicilor de știința datelor cu notebook-urile Jupyter

Descriere

Întreprinderile moderne sunt inundate de date, ceea ce face ca sarcinile decizionale bazate pe date să fie din ce în ce mai complexe. Ca urmare, sunt necesare cunoștințe tehnice relevante și abilități analitice pentru a face astfel de sarcini. Această carte își propune să vă doteze cu suficiente cunoștințe de Python, împreună cu abilitățile de a utiliza un instrument puternic, cum ar fi Jupyter Notebook, pentru a reuși în rolul de cercetător de date.

Cartea începe cu o scurtă introducere în lumea științei datelor și a oportunităților pe care le puteți întâlni, împreună cu o prezentare generală a principalelor subiecte abordate în carte. Veți învăța cum să configurați instalarea Anaconda, care vine cu Jupyter și pachete Python preinstalate. Înainte de a vă scufunda în mai multe tehnici de învățare automată supravegheate, nesupravegheate și alte tehnici de învățare automată, veți învăța cum să utilizați structuri de date de bază, funcții, biblioteci și pachete necesare pentru a importa, curăța, vizualiza și prelucra date. Mai multe tehnici de învățare automată, cum ar fi regresia, clasificarea, gruparea, seriile de timp etc. au fost explicate cu ajutorul unor exemple practice și prin compararea performanțelor diferitelor modele.

Până la sfârșitul cărții, veți întâlni câteva studii de caz pentru a vă pune cunoștințele în practică și pentru a rezolva probleme de afaceri din viața reală, cum ar fi construirea unui motor de recomandare a filmelor, clasificarea mesajelor spam, prezicerea capacității unui debitor de a rambursa împrumutul la timp și prognoza seriilor temporale ale prețurilor locuințelor. Nu uitați să practicați exemple suplimentare furnizate în pachetul de coduri al cărții pentru a stăpâni aceste tehnici.

Audiență

Cartea este destinată tuturor celor care caută o carieră în știința datelor, tuturor cercetătorilor de date aspiranți care doresc să învețe cel mai puternic limbaj de programare în Machine Learning sau profesioniștilor activi care doresc să își schimbe cariera în Data Science. Deși nu se presupun cunoștințe anterioare despre știința datelor sau tehnologiile conexe, va fi util să aveți o anumită experiență în programare.

Caracteristici cheie

⬤ Achiziționați abilități Python pentru a face proiecte independente de știința datelor.

⬤ Învățați elementele de bază ale algebrei liniare și ale științei statistice în mod Python.

⬤ Înțelegeți cum și când sunt utilizate în știința datelor.

⬤ Construiți modele predictive, reglați parametrii acestora și analizați performanța în câțiva pași.

⬤ Colectați, transformați, vizualizați și extrageți informații din seturi de date neetichetate.

⬤ Învățați cum să utilizați matplotlib și seaborn pentru vizualizarea datelor.

⬤ Implementați și salvați modele de învățare automată pentru scenarii de afaceri din lumea reală.

Table of Contents

⬤  Bazele științei datelor.

⬤  Instalarea software-ului și configurarea.

⬤  Liste și dicționare.

⬤  Funcții și pachete.

⬤  Fundația NumPy.

⬤  Pandas și Dataframe.

⬤  Interacțiunea cu bazele de date.

⬤  Gândirea statistică în știința datelor.

⬤  Cum să importați date în Python?

⬤  Curățarea datelor importate.

⬤  Vizualizarea datelor.

⬤  Preprocesarea datelor.

⬤  Învățarea mecanică supervizată.

⬤  Învățarea automată nesupravegheată.

⬤  Manipularea datelor din seriile cronologice.

⬤  Metode pentru serii cronologice.

⬤  Studiu de caz - 1.

⬤  Studiu de caz - 2.

⬤  Studiu de caz - 3.

⬤  Studiu de caz - 4.

Despre autor

Prateek este un entuziast al datelor și iubește tehnologiile bazate pe date. Prateek are în total 7 ani de experiență și în prezent lucrează ca Data Scientist într-un MNC. A lucrat cu clienți din domeniul financiar și al comerțului cu amănuntul și a dezvoltat soluții de învățare automată și de învățare profundă pentru afacerile acestora. Domeniul său de interes este procesarea limbajului natural și viziunea computerizată. În timpul liber, el scrie articole despre știința datelor cu Python pe blogul său.