Bewertung:
Das Buch ist eine umfassende und gut strukturierte Einführung in die Datenwissenschaft mit Python und eignet sich daher sowohl für Einsteiger als auch für diejenigen, die bereits einige Erfahrung auf diesem Gebiet haben. Es deckt ein breites Spektrum an Themen ab, von der grundlegenden Installation von Python bis hin zu fortgeschrittenen Techniken des maschinellen Lernens, ergänzt durch praktische Beispiele und Erklärungen. Einige Leser sind jedoch der Meinung, dass es für absolute Anfänger zu fortgeschritten sein könnte.
Vorteile:⬤ Gründlicher und fesselnder Schreibstil, der für Leser mit unterschiedlichem Kenntnisstand in Python und Data Science zugänglich ist.
⬤ Umfassende Abdeckung verschiedener wichtiger Data-Science-Themen, einschließlich Data Wrangling, maschinelles Lernen und die Verwendung der wichtigsten Python-Bibliotheken.
⬤ Klare Erklärungen und praktische Beispiele helfen, komplexe Konzepte zu verstehen.
⬤ Verfügbarkeit von Ressourcen wie GitHub-Code und Jupyter Notebook-Beispiele.
⬤ Das Buch schafft ein ausgewogenes Verhältnis zwischen detaillierten Informationen und praktischer Anwendung, so dass es sowohl für Anfänger als auch für fortgeschrittene Praktiker nützlich ist.
⬤ Einige Abschnitte werden als zu fortgeschritten für absolute Anfänger angesehen, was das Buch für diejenigen, die keine Vorkenntnisse in Python haben, möglicherweise verwirrend macht.
⬤ Einige Leser empfanden Teile des Buches als trocken oder überwältigend aufgrund der Tiefe der dargestellten Informationen.
⬤ Die anfänglichen Kapitel, in denen die Grundlagen von Python behandelt werden, sind für erfahrene Python-Benutzer möglicherweise überflüssig, so dass sie möglicherweise Material überfliegen, das sie bereits verstehen.
(basierend auf 12 Leserbewertungen)
Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data
Lernen Sie, Daten effektiv zu verwalten und Data-Science-Projekte von Anfang bis Ende mit Python durchzuführen.
Hauptmerkmale:
⬤ Verstehen und nutzen Sie Data-Science-Tools in Python, wie z. B. spezielle Algorithmen für maschinelles Lernen und statistische Modellierung.
⬤ Aufbau einer soliden Data-Science-Grundlage mit den besten in Python verfügbaren Data-Science-Tools.
⬤ Verschaffen Sie sich, Ihrem Unternehmen und der Gesellschaft einen Mehrwert, indem Sie aus Rohdaten verwertbare Erkenntnisse gewinnen.
Buchbeschreibung:
Practical Data Science with Python vermittelt Ihnen anhand realer und realitätsnaher Beispiele die wichtigsten Konzepte der Datenwissenschaft und stärkt Ihre Kenntnisse über die grundlegenden und fortgeschrittenen Prinzipien der Datenaufbereitung und -speicherung, der Statistik, der Wahrscheinlichkeitstheorie, des maschinellen Lernens und der Python-Programmierung, so dass Sie eine solide Grundlage für den Erwerb von Kenntnissen in der Datenwissenschaft aufbauen können.
Das Buch beginnt mit einem Überblick über die grundlegenden Python-Kenntnisse und stellt dann grundlegende Data-Science-Techniken vor, gefolgt von einer ausführlichen Erläuterung des Python-Codes, der zur Ausführung der Techniken erforderlich ist. Sie werden den Code verstehen, indem Sie die Beispiele durcharbeiten. Der Code wurde in kleine Abschnitte unterteilt (jeweils ein paar Zeilen oder eine Funktion), um eine gründliche Diskussion zu ermöglichen.
Im weiteren Verlauf lernen Sie, wie man Datenanalysen durchführt, während Sie die Funktionalitäten der wichtigsten Python-Pakete für die Datenwissenschaft erkunden, darunter pandas, SciPy und scikit-learn. Schließlich behandelt das Buch ethische und datenschutzrechtliche Belange in der Datenwissenschaft und schlägt Ressourcen zur Verbesserung der datenwissenschaftlichen Fähigkeiten sowie Möglichkeiten vor, um über neue Entwicklungen in der Datenwissenschaft auf dem Laufenden zu bleiben.
Am Ende des Buches sollten Sie in der Lage sein, Python für grundlegende Data-Science-Projekte zu verwenden und den Data-Science-Prozess für jede Datenquelle auszuführen.
Was Sie lernen werden:
⬤ Python-Pakete für die Datenwissenschaft effektiv nutzen.
⬤ Bereinigen und Vorbereiten von Daten für die Data Science Arbeit, einschließlich Feature Engineering und Feature Selection.
⬤ Datenmodellierung, einschließlich klassischer statistischer Modelle (z. B. t-Tests) und grundlegender Algorithmen des maschinellen Lernens (ML), wie Random Forests und Boosted-Modelle.
⬤ Evaluierung der Modellleistung.
⬤ Vergleich und Verständnis verschiedener ML-Methoden.
⬤ Interaktion mit Excel-Tabellen durch Python.
⬤ Automatisierte Data-Science-Berichte mit Python erstellen.
⬤ Sich mit Techniken der Textanalyse vertraut machen.
Für wen dieses Buch gedacht ist:
Das Buch richtet sich an Anfänger, einschließlich Studenten, die ein Data-Science-, Analytik- oder verwandtes Studium beginnen (z. B. Bachelor, Master, Bootcamp, Online-Kurse), an Hochschulabsolventen, die neue Fähigkeiten erlernen möchten, um sich auf dem Arbeitsmarkt zu profilieren, an Berufstätige, die praktische Data-Science-Techniken in Python erlernen möchten, und an diejenigen, die ihre Karriere in Richtung Data Science verlagern möchten.
Das Buch setzt grundlegende Kenntnisse in Python voraus. Ein Abschnitt "Erste Schritte mit Python" soll Neulingen den Einstieg erleichtern.
| ISBN: | 9781801071970 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
