Julia pro datovou vědu

Recenze čtenářů

Kniha je dobře hodnocena pro své zaměření na používání jazyka Julia pro datovou vědu, takže je užitečná zejména pro datové vědce, kteří přecházejí z jiných programovacích jazyků. Trpí však nápadnými chybami v kódu a zastaralými příklady, které mohou čtenářům ztěžovat učení.

Dobře zaměřená na datovou vědu s jazykem Julia, skvělý úvod pro začátečníky, oceňovaný pro stručné vysvětlení a rychlost jazyka Julia, užitečná pro přechod z Pythonu na jazyk Julia, pomáhá čtenářům rychle se zdokonalit.

Obsahuje četné chyby v kódu a zastaralé příklady, chybí obsáhlá errata, některé příklady špatně formátované a špatně čitelné, komentáře ke kódu by mohly být lépe umístěny, některé zmíněné knihovny jsou zastaralé.

(na základě 7 hodnocení čtenářů)

Původní název:

Julia for Data Science

Obsah knihy:

Poté, co se seznámíme s významem programu Julia pro komunitu datové vědy a s několika základními principy datové vědy, začneme se základy včetně toho, jak nainstalovat program Julia a jeho výkonné knihovny. Na mnoha příkladech si ukážeme, jak využít jednotlivé příkazy, datové sady a funkce aplikace Julia.

Jsou představeny a popsány specializované balíčky skriptů. Jsou uvedeny praktické problémy reprezentující ty, se kterými se běžně setkáváme v celém procesu datové vědy, a my vás provedeme používáním Julie při jejich řešení s využitím publikovaných datových sad. V mnoha z těchto scénářů využíváme existující balíčky a vestavěné funkce, protože se zabýváme:

⬤ Přehled pipeline datové vědy spolu s příkladem ilustrujícím klíčové body, implementovaným v Julii.

⬤ Volby pro IDE aplikace Julia.

⬤ Programování struktur a funkcí.

⬤ Inženýrské úlohy, jako je import, čištění, formátování a ukládání dat a provádění předzpracování dat.

⬤ Vizualizace dat a některé jednoduché, ale výkonné statistiky pro účely zkoumání dat.

⬤ Snižování dimenzionality a vyhodnocování příznaků.

⬤ Metody strojového učení, od neřízených (různé typy shlukování) až po řízené (rozhodovací stromy, náhodné lesy, základní neuronové sítě, regresní stromy a stroje extrémního učení).

⬤ Analýza grafů, včetně přesného určení vazeb mezi různými entitami a způsobů, jak z nich získat užitečné poznatky.

Každou kapitolu uzavírá řada otázek a cvičení k upevnění získaných poznatků. Poslední kapitola knihy vás provede vytvořením aplikace datové vědy od nuly s využitím aplikace Julia.