Bewertung:
Das Buch soll den Lesern helfen, schnell in die Datenwissenschaft mit Python einzusteigen, insbesondere für diejenigen, die bereits einige Kenntnisse in dieser Sprache haben. Es bietet eine schrittweise Anleitung zur Verwendung von Jupyter und verschiedenen Data-Science-Bibliotheken. Während einige Nutzer das strukturierte, klassenzimmerähnliche Format zu schätzen wissen, finden andere, dass es schlecht organisiert ist und klare Erklärungen vermissen lässt.
Vorteile:⬤ Hilft Benutzern schnell beim Einstieg in die Datenwissenschaft
⬤ klare Schritt-für-Schritt-Beispiele
⬤ gut für Leser mit einigen grundlegenden Python-Kenntnissen
⬤ preiswert.
⬤ Schlechte Organisation
⬤ marginale Erklärungen von Konzepten
⬤ einige Nutzer bevorzugen alternative Ressourcen wie YouTube.
(basierend auf 5 Leserbewertungen)
Beginning Data Analysis with Python And Jupyter: Use powerful industry-standard tools to unlock new, actionable insight from your existing data
Der Einstieg in die Datenwissenschaft muss nicht zwangsläufig ein harter Kampf sein. Dieser Schritt-für-Schritt-Leitfaden ist ideal für Anfänger, die ein wenig Python beherrschen und einen schnellen, rasanten Einstieg suchen. Hauptmerkmale Machen Sie sich mit dem Jupyter-Ökosystem und einigen Beispieldatensätzen vertraut Lernen Sie die wichtigsten Konzepte des maschinellen Lernens wie SVM, KNN-Klassifikatoren und Random Forests Entdecken Sie, wie Sie Web Scraping nutzen können, um Ihre eigenen maßgeschneiderten Datensätze zu sammeln und zu analysieren Buchbeschreibung
In diesem praxisorientierten Python- und Jupyter-Kurs erlernen Sie die Fähigkeiten, die Sie für den Einstieg in die Datenwissenschaft benötigen. Sie lernen einige der am häufigsten verwendeten Bibliotheken kennen, die Teil der Anaconda-Distribution sind, und erforschen dann Modelle für maschinelles Lernen mit echten Datensätzen, um Ihnen die Fähigkeiten und die Erfahrung zu vermitteln, die Sie für die reale Welt benötigen. Zum Schluss zeigen wir Ihnen, wie einfach es ist, Ihre eigenen Daten aus dem offenen Web zu sammeln, damit Sie Ihre neuen Fähigkeiten in einem praktischen Kontext anwenden können. Was Sie lernen werden Identifizieren Sie potenzielle Untersuchungsbereiche und führen Sie eine explorative Datenanalyse durch Planen Sie eine Klassifizierungsstrategie für maschinelles Lernen und trainieren Sie Klassifizierungsmodelle Verwenden Sie Validierungskurven und Dimensionalitätsreduktion, um Ihre Modelle abzustimmen und zu verbessern Scrapen Sie tabellarische Daten von Webseiten und wandeln Sie sie in Pandas DataFrames um Erstellen Sie interaktive, webfreundliche Visualisierungen, um Ihre Ergebnisse klar zu kommunizieren Für wen ist dieses Buch?
Angesichts der steigenden Popularität und Zugänglichkeit von Data Science ist dieses Buch ideal für Fachleute mit einer Vielzahl von Berufsbildern in einer Vielzahl von Branchen. Sie benötigen einige Vorkenntnisse in Python, wobei die vorherige Arbeit mit Bibliotheken wie Pandas, Matplotlib und Pandas Ihnen einen nützlichen Vorsprung verschafft. Inhaltsverzeichnis Jupyter-Grundlagen Datenbereinigung und fortgeschrittenes maschinelles Lernen Web Scraping und interaktive Visualisierungen
| ISBN: | 9781789532029 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
