Productive and Efficient Data Science with Python: Best Practices Guide to Implementing Aiops
Ez a könyv a Python-alapú eszközökre és technikákra összpontosít, amelyek segítségével a tipikus adattudományi stackek minden aspektusában, például a statisztikai elemzésben, a vizualizációban, a modellválasztásban és a funkciótervezésben is rendkívül produktívvá válhat.
Áttekinted a napi üzleti folyamatokban megbúvó hatástalanságokat és szűk keresztmetszeteket, és gyakorlati megoldásokkal oldod meg őket. Az ismétlődő adattudományi feladatok automatizálása kulcsfontosságú gondolkodásmód, amelyet az egész könyvben támogatunk. Megtanulja, hogyan lehet a meglévő kódolási gyakorlatot kiterjeszteni a nagyobb adathalmazok nagy hatékonyságú kezelésére a Python ökoszisztémában már meglévő fejlett könyvtárak és csomagok segítségével.
A könyv olyan témákra összpontosít, mint például a gépi tanulási modellek memóriaigényének és végrehajtási sebességének mérése, az adattudományi pipeline-ok minőségtesztelése, valamint az adattudományi pipeline moduláris kialakítása az alkalmazásfejlesztéshez. Áttekintjük a Python könyvtárakat, amelyek nagyon jól jönnek a mindennapi feladatok automatizálásához és felgyorsításához.
Végül megérti és végrehajtja az adattudományi és gépi tanulási feladatokat a hagyományos módszereken túl, és a termelékenység növelése érdekében kihasználja a Python adattudományi ökoszisztéma teljes spektrumát.
Mit fogsz tanulni
⬤ Gyors és hatékony kód írása az adattudomány és a gépi tanulás számára.
⬤ Robusztus és kifejező adattudományi pipelinek építése.
⬤ Mérje a memória- és CPU-profilokat a gépi tanulási módszerekhez.
⬤ A GPU teljes potenciáljának kihasználása adattudományi feladatokhoz.
⬤ Fogadjon meg hatékonyan nagy és összetett adathalmazokat.
Kinek szól ez a könyv
Adattudósok, adatelemzők, gépi tanulási mérnökök, mesterséges intelligencia szakemberek, statisztikusok, akik teljes mértékben ki akarják használni a Python ökoszisztéma előnyeit.
© 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)