Gyakorlati adattudomány Pythonnal: Eszközök és technikák elsajátítása gyakorlati példákból az adatokból való megismeréshez

Olvasói vélemények

A könyv átfogó és jól strukturált bevezetés az adattudományba Python használatával, így alkalmas a kezdők és a területen már némi tapasztalattal rendelkezők számára is. A Python alapszintű telepítésétől a fejlett gépi tanulási technikákig a témák széles skáláját öleli fel, gyakorlati példákkal és magyarázatokkal kiegészítve. Néhány olvasó azonban úgy véli, hogy az abszolút kezdők számára túlságosan is haladó lehet.

⬤ Alapos és magával ragadó írói stílus, amely a Python és az adattudomány különböző szintű ismereteivel rendelkező olvasók számára is elérhető.
⬤ A különböző fontos adattudományi témák átfogó lefedése, beleértve az adatfeldolgozást, a gépi tanulást és a kulcsfontosságú Python-könyvtárak használatát.
⬤ Világos magyarázatok és gyakorlati példák segítik az összetett fogalmak megértését.
⬤ Források, például GitHub-kódok és Jupyter Notebook példák elérhetősége.
⬤ A könyv sikeresen egyensúlyoz a részletes információk és a gyakorlati alkalmazás között, így mind a kezdők, mind a haladók számára hasznos.

⬤ Egyes részek a teljesen kezdők számára túl haladónak számítanak, ami potenciálisan zavaró lehet azok számára, akik nem rendelkeznek előzetes Python-ismeretekkel.
⬤ Néhány olvasó a könyv egyes részeit száraznak vagy nyomasztónak találta a bemutatott információk mélysége miatt.
⬤ A Python alapjait tárgyaló kezdeti fejezetek feleslegesek lehetnek a tapasztalt Python-felhasználók számára, esetleg arra késztethetik őket, hogy átfussanak olyan anyagokon, amelyeket már megértettek.

(12 olvasói vélemény alapján)

Eredeti címe:

Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data

Könyv tartalma:

Tanulja meg az adatok hatékony kezelését és az adattudományi projektek végrehajtását az elejétől a végéig Python használatával

Főbb jellemzők:

⬤ A Pythonban található adattudományi eszközök, például a speciális gépi tanulási algoritmusok és a statisztikai modellezés megértése és használata.

⬤ Építsen erős adattudományi alapokat a Pythonban elérhető legjobb adattudományi eszközökkel.

⬤ Adjon értéket saját magának, szervezetének és a társadalomnak azáltal, hogy a nyers adatokból hasznosítható meglátásokat von ki.

Könyv leírása:

A Gyakorlati adattudomány Pythonnal valós és reális példákon keresztül tanítja meg az alapvető adattudományi fogalmakat, és megerősíti az adatelőkészítés és -tárolás, a statisztika, a valószínűségelmélet, a gépi tanulás és a Python programozás alapvető, valamint haladó alapelveinek ismeretét, így segít szilárd alapot teremteni az adattudományban való jártasság megszerzéséhez.

A könyv az alapvető Python-ismeretek áttekintésével kezdődik, majd bemutatja az alapvető adattudományi technikákat, amelyet a technikák végrehajtásához szükséges Python-kód alapos magyarázata követ. A kódot a példák feldolgozásával értheti meg. A kódot kis darabokra (néhány sorra vagy egy-egy függvényre) bontottuk, hogy lehetővé tegyük az alapos megbeszélést.

Ahogy haladsz előre, megtanulod, hogyan végezz adatelemzést, miközben felfedezed a legfontosabb adattudományi Python-csomagok, köztük a pandas, a SciPy és a scikit-learn funkcióit. Végül a könyv kitér az etikai és adatvédelmi aggályokra az adattudományban, és forrásokat javasol az adattudományi készségek fejlesztéséhez, valamint arra, hogyan maradhat naprakész az új adattudományi fejlesztésekkel kapcsolatban.

A könyv végére képesnek kell lennie arra, hogy kényelmesen használja a Pythont az alapvető adattudományi projektekhez, és rendelkeznie kell olyan készségekkel, amelyekkel bármilyen adatforráson végre tudja hajtani az adattudományi folyamatot.

Mit fog tanulni:

⬤ A Python adattudományi csomagok hatékony használata.

⬤ Tisztítsa meg és készítse elő az adatokat az adattudományi munkához, beleértve a feature engineeringet és a feature kiválasztást.

⬤ Adatmodellezés, beleértve a klasszikus statisztikai modelleket (pl. t-tesztek) és az alapvető gépi tanulási (ML) algoritmusokat, mint például a véletlen erdők és a felturbózott modellek.

⬤ Modellek teljesítményének értékelése.

⬤ A különböző ML-módszerek összehasonlítása és megértése.

⬤ Kapcsolat az Excel táblázatokkal a Python segítségével.

⬤ Automatizált adattudományi jelentések készítése Python segítségével.

⬤ Szövegelemzési technikák megismerése.

Kinek szól ez a könyv:

A könyvet kezdőknek szánjuk, beleértve az adattudományi, analitikai vagy kapcsolódó programokat (pl. alapképzés, mesterképzés, bootcamp, online kurzusok) kezdő vagy induló diákokat, friss diplomásokat, akik új készségeket szeretnének elsajátítani, hogy kitűnjenek a munkaerőpiacon, szakembereket, akik gyakorlatias adattudományi technikákat szeretnének elsajátítani Python nyelven, és azokat, akik karrierjüket az adattudomány felé szeretnék terelni.

A könyv megköveteli a Python alapszintű ismeretét. A "Kezdő lépések a Pythonnal" című fejezetet is tartalmazza, hogy a teljesen kezdők is fel tudjanak gyorsulni.