Știința practică a datelor cu Python 3: Sintetizarea de informații utile din date

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 3 voturi.

Titlul original:

Practical Data Science with Python 3: Synthesizing Actionable Insights from Data

Conținutul cărții:

Capitolul 1. Introducere în știința datelorNumăr de pagini: 10Acest capitol introduce cititorul în știința datelor și descrie etapele majore ale lucrului cu datele (colectarea, explorarea, preprocesarea, vizualizarea, predicția și deducerea cunoștințelor). Acesta stabilește așteptările comune privind ceea ce constituie un domeniu al științei datelor. Acest capitol va elabora despre Anaconda IDE, care va fi utilizat în carte.

Capitolul 2. Achiziția de dateNumăr de pagini: 40Acest capitol va prezenta cititorului cum să obțină și să stocheze date din/în diverse surse de date: fișiere text (inclusiv diverse formate precum CSV, XML și JSON), fișiere binare (inclusiv Apache Avro), date accesibile pe Web, baze de date relaționale, baze de date NoSQL, Apache Arrow (ca sistem eficient și nou de stocare a datelor columnare), baze de date multimodale și baze de date în rețea. Acest capitol va prezenta, de asemenea, BeautifulSoup pentru a lucra cu XML și HTML.

Capitolul 3. Prelucrarea de bază a datelorNumăr de pagini: 40Acestea sunt biblioteci Python standard pentru calculul științific și prelucrarea datelor. NumPy înglobează tot felul de structuri de date necesare în timpul analizei datelor. Aici, vom oferi exemple care vor ilumina importanța cadrelor sofisticate și a ingineriei software bazate pe reutilizare în domeniul științei datelor.

Capitolul 4. Documentarea munciiNumăr de pagini: 20Acest capitol prezintă cel mai popular mediu de calcul pentru analiza datelor. Acesta face posibilă partajarea rezultatelor între cercetătorii de date într-un mod ușor reproductibil.

Capitolul 5. Transformarea și împachetarea datelorNumăr de pagini: 30 30Acest capitol pune în lumină un cadru esențial pentru știința datelor, care este construit pe baza NumPy. Acesta oferă structuri de date excelente pentru manipularea cadrelor și seriilor de date.

Capitolul 6. VizualizareNumăr de pagini: 40Acest capitol prezintă diverse modalități de vizualizare a datelor; statisticile sumare sau reprezentările tabelare au o valoare limitată în explorarea datelor. Următoarele cadre vor fi subiectul acestui capitol: matplotlib, glueviz, Bokeh și orange3. Vizualizarea este importantă atât în timpul efectuării analizei exploratorii, cât și în momentul generării de rapoarte eficiente.

Capitolul 7. Predicție și inferențăNumăr de pagini: 50Acest capitol va vorbi despre toate tehnicile și tehnologiile pentru a scala în mod corespunzător eforturile de știința datelor. Îi va învăța pe cititori cum să creeze sisteme care pot formula răspunsuri la date nevăzute sau să găsească modele ascunse în date. Se vor detalia metodele de învățare supravegheată, nesupravegheată, profundă și de întărire. În plus, se va prezenta Apache Spark cu MLib (atât în modul lot, cât și în modul flux), precum și TensorFlow. Următoarele cadre vor fi, de asemenea, subiectul acestui capitol: XGBoost, sci-kit learn și Keras cu PyTorch.

Capitolul 8. Analiza rețelelorNumăr de pagini: 40Acest capitol explorează modalitățile de analiză a rețelelor și grafurilor complexe. Acest capitol va prezenta Apache Spark GraphX, Apache Giraph și NetworkX. Acest capitol va introduce, de asemenea, analiza spectrală a grafurilor, care este o metodă interesantă de învățare automată aproximativă, neliniară și neparametrică.

Capitolul 9. Ingineria proceselor de știința datelorNumăr de pagini: 20Acest capitol va elabora modul de partajare și personalizare a practicilor/metodelor de știința datelor utilizate de echipe prin intermediul OMG Essence.

Capitolul 10. Sisteme multiagent, teoria jocurilor și învățarea automatăNumăr de pagini: 30Acest capitol explorează aplicații avansate orientate spre date, în care datele sunt produse și consumate de agenți inteligenți autoguvernați. Capitolul introduce cititorul în conceptul de sisteme multiagent, metode și modele ale teoriei jocurilor, precum și algoritmi de învățare asociați.

Capitolul 11. Modele grafice probabilisticeNumbe.