Gyakorlati adattudomány a Jupyterrel: Data Cleaning, Pre-Processing, Data Wrangling, Feature Engineering és Machine Learning Python és Jupyter segítségével.

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 18 olvasói szavazat alapján történt.

Eredeti címe:

Practical Data Science with Jupyter: Explore Data Cleaning, Pre-processing, Data Wrangling, Feature Engineering and Machine Learning using Python and

Könyv tartalma:

Oldja meg az üzleti problémákat adatvezérelt technikákkal és könnyen követhető Python példákkal

Főbb jellemzők

⬤ A statisztika és az adattudományi technikák alapvető lefedettsége.

⬤ Kezelés a Jupyter, PyCharm és a GitHub használatával.

⬤  Valódi felhasználási esetek, legjobb gyakorlatok és intelligens technikák az adattudomány adatalkalmazásokhoz való felhasználásáról.

Leírás

Ez a könyv az adattudomány bevezetésével kezdődik, amelyet a Python-fogalmak követnek. Az olvasók megértik, hogyan léphetnek kölcsönhatásba a különböző adatbázisokkal és statisztikai koncepciókkal a Python implementációikkal. Megtanulja, hogyan importálhat különböző típusú adatokat Pythonban, ami az adatelemzési folyamat első lépése. Miután megbarátkozott az adatimportálással, megtisztítja az adathalmazt, majd ezt követően megismerkedik a különböző vizualizációs grafikonokkal. Ez a könyv arra összpontosít, hogyan alkalmazza a feature engineering technikákat, hogy az adatokat értékesebbé tegye egy algoritmus számára. Az olvasók megismerkedhetnek a különböző gépi tanulási algoritmusokkal, fogalmakkal, idősoros adatokkal és néhány valós esettanulmánnyal. Ez a könyv bemutat néhány bevált gyakorlatot is, amelyek segítenek abban, hogy az iparban is használhatóvá váljon.

Ez a könyv arra összpontosít, hogyan gyakorolhatja az adattudományi technikákat, miközben a Python és a Jupyter segítségével megtanulja a fogalmaikat. Ez a könyv teljes választ ad a leggyakoribb kérdésre, hogy hogyan kezdhetsz bele az adattudományba, ahelyett, hogy a gépi tanulási algoritmusok mögötti matematikát és statisztikát magyarázná el.

Mit fogsz tanulni

⬤  A Python fogalmak gyors megértése az adattudományi alkalmazásokhoz.

⬤  Megérti és begyakorolja, hogyan futtathat adatelemzést adattudományi technikákkal és algoritmusokkal.

⬤  Ismerje meg a feature engineeringet, a különböző adatkészletek kezelését és a legtrendibb gépi tanulási algoritmusokat.

⬤  Önállóvá válik az adattudományi feladatok elvégzéséhez a legjobb eszközökkel és technikákkal.

Kinek szól ez a könyv

Ez a könyv kezdő vagy tapasztalt szakembereknek szól, akik az adattudományi pályán vagy pályamódosításon gondolkodnak. Minden fejezet könnyen követhető Python példákat tartalmaz.

Tartalomjegyzék

1. Az adattudomány alapjai.

2. A szoftver telepítése és a rendszer beállítása.

3. Listák és szótárak.

4. Csomag, funkció és ciklus.

5. NumPy Alapítvány.

6. Pandas és DataFrame.

7. Interakció az adatbázisokkal.

8. Statisztikai gondolkodás az adattudományban.

9. Hogyan importáljunk adatokat Pythonban?

10. Az importált adatok tisztítása.

11. Adatvizualizáció.

12. Adatok előfeldolgozása.

13. Felügyelt gépi tanulás.

14. Felügyelet nélküli gépi tanulás.

15. Idősoros adatok kezelése.

16. Idősoros módszerek.

17. 1. esettanulmány.

18. 2. esettanulmány.

19. 3. esettanulmány.

20. 4. esettanulmány.

21. Python virtuális környezet.

22. Bevezetés egy fejlett algoritmusba - CatBoost.

23. Az összes fejezet tanulásának felülvizsgálata.

A szerzőről

Prateek Gupta adatrajongó és szereti az adatvezérelt technológiákat. Prateek elvégezte a B. Tech informatikai és mérnöki szakot, és jelenleg egy informatikai vállalatnál dolgozik adattudósként. Prateek összesen 9 éves tapasztalattal rendelkezik a szoftveriparban, és jelenleg a számítógépes látás területén dolgozik. Prateek számos végponttól végpontig tartó adattudományi projektet hajtott végre halászati, borászati és e-kereskedelmi ügyfelek számára. Az általa megvalósított objektumdetektáló és -felismerő modellek és termékajánló motorok számos ügyfél üzleti problémáját oldották meg. Érdeklődési területe a természetes nyelvi feldolgozás és a számítógépes látás. Szabadidejében blogjában a mesterséges intelligenciáról ír bejegyzéseket.

Blog linkek: http: //dsbyprateekg. blogspot.com/.

LinkedIn profil: https: //www.linkedin.com/in/prateek-gupta-64203354/.