Leitfaden für Praktiker der Datenwissenschaft: Rationalisierung datenwissenschaftlicher Lösungen mit Python, Scikit-Learn und der Azure ML Service Platform

Bewertung:   (4,6 von 5)

Leitfaden für Praktiker der Datenwissenschaft: Rationalisierung datenwissenschaftlicher Lösungen mit Python, Scikit-Learn und der Azure ML Service Platform (Ali Mirza Nasir)

Leserbewertungen

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 5 Stimmen.

Originaltitel:

Practitioner's Guide to Data Science: Streamlining Data Science Solutions using Python, Scikit-Learn, and Azure ML Service Platform

Inhalt des Buches:

Die Frage "Wie soll das Projekt Data Science umgesetzt werden?" war dank der in diesem Buch vorgestellten Arbeit noch nie so konzeptionell fundiert. Dieses Buch bietet einen detaillierten Einblick in den aktuellen Stand der weltweiten Daten und zeigt, dass Data Science eine zentrale Rolle bei allem spielt, was wir tun.

Dieses Buch erklärt und implementiert den gesamten Data Science-Lebenszyklus anhand bekannter Data Science-Prozesse wie CRISP-DM und Microsoft TDSP. Das Buch erklärt die Bedeutung dieser Prozesse im Zusammenhang mit der hohen Misserfolgsquote von Data Science-Projekten.

Das Buch hilft, eine solide Grundlage in Data Science-Konzepten und verwandten Frameworks aufzubauen. Es zeigt, wie man reale Anwendungsfälle mit Daten aus dem HMDA-Datensatz implementiert. Es erklärt die Architektur von Azure ML Service, seine Fähigkeiten und die Implementierung für das DS-Team, das dann auf die Implementierung von MLOps vorbereitet ist. Das Buch erklärt auch, wie man Azure DevOps einsetzt, um den Prozess wiederholbar zu machen, während wir dabei sind.

Am Ende dieses Buches werden Sie solide Python-Kodierkenntnisse erlernen, Konzepte wie Feature-Engineering fest im Griff haben, aufschlussreiche Visualisierungen erstellen und sich mit Techniken zur Erstellung von Machine-Learning-Modellen vertraut machen.

(INHALTSVERZEICHNIS)

1. Data Science für Unternehmen.

2. Datenwissenschaftliche Projektmethodologien und Teamprozesse.

3. Geschäftsverständnis und seine Datenlandschaft.

4. Erfassen, Erkunden und Analysieren von Daten.

5. Vorverarbeitung und Aufbereitung von Daten.

6. Entwickeln eines Modells für maschinelles Lernen.

7. Runde um Azure ML Service.

8. Bereitstellen und Verwalten von Modellen.

Weitere Daten des Buches:

ISBN:9789391392871
Autor:
Verlag:
Einband:Taschenbuch

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Leitfaden für Praktiker der Datenwissenschaft: Rationalisierung datenwissenschaftlicher Lösungen mit...
Die Frage "Wie soll das Projekt Data Science...
Leitfaden für Praktiker der Datenwissenschaft: Rationalisierung datenwissenschaftlicher Lösungen mit Python, Scikit-Learn und der Azure ML Service Platform - Practitioner's Guide to Data Science: Streamlining Data Science Solutions using Python, Scikit-Learn, and Azure ML Service Platform

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)