Bewertung:
Das Buch über Data Science in Python hat von den Nutzern gemischte Kritiken erhalten. Hervorgehoben werden die Stärken des Buches in Bezug auf praktische Anleitungen und strukturiertes Lernen, während es gleichzeitig für inhaltliche Fehler und unzureichende Aktualisierungen kritisiert wird.
Vorteile:Die Leser schätzen den klaren Schreibstil, die praktischen Beispiele und die effektive Organisation der Themen. Das Buch ist sowohl für Anfänger als auch für erfahrene Nutzer, die ihr Wissen auffrischen wollen, geeignet. Das Buch deckt grundlegende Konzepte der Datenwissenschaft ab und enthält einen Abschnitt über fortgeschrittene Themen wie Restricted Boltzmann Machines.
Nachteile:Einige Nutzer kritisieren, dass das Buch zahlreiche Fehler in den Codebeispielen enthält, dass es keine Unterstützung durch den Autor für diese Probleme gibt und dass die Referenzen veraltet sind (z. B. wird der Übergang von IPython Notebook zu Jupyter nicht behandelt). Darüber hinaus ist das Buch möglicherweise nicht umfassend genug für absolute Anfänger, die bei Null anfangen.
(basierend auf 6 Leserbewertungen)
Python Data Science Essentials
Hauptmerkmale Machen Sie sich schnell mit Data Science mit Python vertraut Sparen Sie Zeit - und Mühe - mit allen wesentlichen Werkzeugen, die erklärt werden Erstellen Sie effektive Data-Science-Projekte und vermeiden Sie häufige Fallstricke mit Hilfe von Beispielen und Hinweisen aus der Erfahrung Buchbeschreibung
Das Buch beginnt mit einer Einführung in die Einrichtung Ihrer grundlegenden Data-Science-Toolbox. Dann führt es Sie durch alle Phasen der Datenaufbereitung und -vorverarbeitung. Dabei werden alle zentralen Data-Science-Aktivitäten im Zusammenhang mit dem Laden von Daten, ihrer Umwandlung und Aufbereitung für die Analyse sowie ihrer Erkundung und Verarbeitung erläutert. Abgerundet wird der Überblick durch die Vorstellung der wichtigsten Algorithmen des maschinellen Lernens, der Technik der Graphenanalyse und aller Visualisierungsinstrumente, die Ihnen das Leben bei der Präsentation Ihrer Ergebnisse erleichtern.
In diesem als Data-Science-Projekt strukturierten Walkthrough werden Sie stets von klarem Code und vereinfachten Beispielen begleitet, die Ihnen helfen, die zugrunde liegenden Mechanismen und realen Datensätze zu verstehen. Was Sie lernen werden Richten Sie Ihre Data-Science-Toolbox mit einer wissenschaftlichen Python-Umgebung auf Windows, Mac und Linux ein Bereiten Sie Daten für Ihr Data-Science-Projekt vor Manipulieren, korrigieren und erforschen Sie Daten, um Data-Science-Probleme zu lösen Richten Sie eine experimentelle Pipeline ein, um Ihre Data-Science-Hypothese zu testen Wählen Sie den effektivsten und skalierbarsten Lernalgorithmus für Ihre Data-Science-Aufgaben Optimieren Sie Ihre Machine-Learning-Modelle, um die beste Leistung zu erzielen Erforschen und clustern Sie Graphen und nutzen Sie dabei die Verbindungen und Links in Ihren Daten Inhaltsverzeichnis Erste Schritte Datenmischung Die Data-Science-Pipeline Maschinelles Lernen Analyse sozialer Netzwerke Visualisierung
| ISBN: | 9781785280429 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
