Adattisztítás a hatékony adattudományért: A munka másik 80%-ának elvégzése Python, R és parancssori eszközökkel

Olvasói vélemények

A könyvet dicsérik az adattisztítási technikák átfogó lefedettségéért és az adatok elemzésre való előkészítésének fontosságáért az adattudományban. Az olvasók nagyra értékelik a szerző, Dr. Mertz magával ragadó írói stílusát, valamint azt, hogy a bemagolt tanulás helyett az adatmanipuláció mögötti gondolkodási folyamatra helyezi a hangsúlyt. A könyv értékes forrásként szolgál mind az adattudomány újonnan belépők, mind a tapasztalt szakemberek számára.

⬤ Az adattisztítási technikák és az adatelőkészítés átfogó lefedettsége.
⬤ A szerző magával ragadó és világos írásmódja.
⬤ Hangsúlyozza az adatmanipuláció mögötti gondolkodási folyamatot a puszta kódolás helyett.
⬤ Számos kódpéldát tartalmaz R, Python és parancssori eszközökkel.
⬤ Minden szinten hasznos a szakemberek számára, a kezdőktől a szakértőkig.
⬤ Iránymutatások az adatok verziószámozására és az adatmanipuláció reprodukálhatóságára vonatkozóan.
⬤ Betekintést nyújt a különböző adatformátumokba és azok kezelésébe.

⬤ Néhány olvasó szerint a témák szervezése nem volt annyira egyértelmű, mivel a technikák gyakran felhasználói történeteken belül, nem pedig önálló receptek formájában kerülnek bemutatásra.
⬤ A könyv inkább a táblázatos adatokra összpontosít, és nem foglalkozik eléggé a szöveges és képi adatok tisztításával.
⬤ Egyes olvasók kevésbé rejtélyes változóneveket kívántak a kódpéldákban.
⬤ Az adattisztítási receptek strukturált katalógusára vonatkozó elvárások csalódást okozhatnak.

(15 olvasói vélemény alapján)

Eredeti címe:

Cleaning Data for Effective Data Science: Doing the other 80% of the work with Python, R, and command-line tools

Könyv tartalma:

Átfogó útmutató az adattudósok számára a hatékony adattisztítási eszközök és technikák elsajátításához

Főbb jellemzők:

⬤ Master adattisztítási technikák nyelv-agnosztikus módon.

⬤ Tanuljon érdekes gyakorlati példákból számos területről, például a biológia, az időjárási adatok, a demográfia, a fizika, az idősorok és a képfeldolgozás területéről.

⬤ Munkálkodjon részletes, kommentált, jól tesztelt kódmintákkal Python és R nyelven.

Könyv leírása:

Az adattudományban, az adatelemzésben vagy a gépi tanulásban afféle közhely, hogy a tényleges cél eléréséhez szükséges erőfeszítések nagy része az adatok tisztításában rejlik. A Davidre jellemző barátságos és humoros stílusban megírt könyv részletesen tárgyalja a minden termelési adattudományi vagy adatelemzési csővezetékben elvégzett alapvető lépéseket, és felkészít az adatok vizualizálására és a modellezési eredményekre.

A könyv belemerül az adatbevitelhez, az anomália-felismeréshez, az értékimputációhoz és a feature engineeringhez szükséges eszközök és technikák gyakorlati alkalmazásába. A könyv minden fejezet végén hosszadalmas gyakorlatokat is kínál a megszerzett készségek gyakorlására.

Először az olyan adatformátumok adatbevitelét vizsgálja meg, mint a JSON, CSV, SQL RDBMS-ek, HDF5, NoSQL-adatbázisok, képformátumú fájlok és binárisan szerializált adatszerkezetek. A könyv továbbá számos példaadatkészletet és adatfájlt ad meg, amelyek letölthetők és önállóan vizsgálhatók.

A formátumokról továbblépve imputálja a hiányzó értékeket, felismeri a megbízhatatlan adatokat és a statisztikai anomáliákat, valamint szintetikus jellemzőket hoz létre, amelyek szükségesek a sikeres adatelemzési és vizualizációs célok eléréséhez.

A könyv végére biztos ismereteket szerezhet a valós adattudományi és gépi tanulási feladatok elvégzéséhez szükséges adattisztítási folyamatról.

Mit fog tanulni:

⬤ Az egyes adatpontokhoz tartozó problémás adatok azonosítása.

⬤ Azonosítani a problémás adatokat az adatok szisztematikus "alakjában".

⬤ Az adatintegritási és adathigiéniai problémák orvoslása.

⬤ Adatok előkészítése analitikai és gépi tanulási feladatokhoz.

⬤ Értékek beillesztése hiányzó vagy megbízhatatlan adatokba.

⬤ Szintetikus jellemzők előállítása, amelyek jobban megfelelnek az adattudományi, adatelemzési vagy vizualizációs céloknak.

Kinek szól ez a könyv:

Ez a könyv a szoftverfejlesztők, az adattudósok, a feltörekvő adattudósok és az adatelemzés vagy a tudományos számítástechnika iránt érdeklődő diákok számára készült.

Hasznosak a statisztikával való alapvető ismeretek, a gépi tanulás általános fogalmai, egy programozási nyelv (Python vagy R) ismerete és az adattudomány némi ismerete. A szószedet, a hivatkozások és a barátságos mellékszavak minden olvasót segítenek a felzárkózásban.

A szöveg hasznos lesz a középhaladó és haladó adattudósok számára is, akik javítani szeretnék az adathigiénia szigorát, és felfrissítést szeretnének az adatelőkészítéssel kapcsolatos kérdésekről.