Data Science Handbook: A Practical Approach
DATA SCIENCE HANDBOOK
Ez a kézikönyv gyakorlati tapasztalatot nyújt a különböző algoritmusokról és népszerű technikákról, amelyeket valós időben használnak az adattudományban a különböző területeken dolgozó kutatók számára.
Az adattudomány a modern kor egyik vezető kutatásvezérelt területe. Kritikus szerepe van az egészségügyben, a mérnöki tudományokban, az oktatásban, a mechatronikában és az orvosi robotikában. A modellek építése és az adatokkal való munka nem értéksemleges. Kiválasztjuk a problémákat, amelyekkel dolgozunk, feltételezéseket teszünk ezekben a modellekben, és döntünk a problémák mérőszámairól és algoritmusairól. Az adattudós azonosítja azt a problémát, amely adatokkal és a modellezés és kódolás szakértői eszközeivel megoldható.
A könyv az adattudomány olyan bevezető fogalmaival kezdődik, mint az adatmunka, az adatelőkészítés és az adatok átalakítása. A 2. fejezet az adatok vizualizációját, a különböző ábrák és hisztogramok rajzolását tárgyalja. A 3. fejezet az adattudományhoz szükséges matematikát és statisztikát tárgyalja. A 4. fejezet elsősorban az adattudomány gépi tanulási algoritmusaira összpontosít. Az 5. fejezet a kiugró elemzést és a DBSCAN algoritmust tartalmazza. A 6. fejezet a klaszterezésre összpontosít. A 7. fejezet a hálózatelemzést tárgyalja. A 8. fejezet elsősorban a regresszióra és a naiv-bayes osztályozóra összpontosít. A 9. fejezet a Plotly segítségével történő webalapú adatvizualizálással foglalkozik. A 10. fejezet a webes adatgyűjtést tárgyalja.
A könyvet egy olyan rész zárja, amely 19 projektet tárgyal az adattudomány különböző témáival kapcsolatban.
Közönség
A kézikönyvet az informatika és a villamosmérnöki tudományok végzős hallgatóitól egészen a kutatókig, valamint az ipari szakemberek fogják használni számos iparágban, például az egészségügyben.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)