Recenze čtenářů
Shrnutí:Tato kniha je uživateli dobře hodnocena pro svou srozumitelnost a užitečnost při výuce jazyka Python pro datovou vědu, je vhodná pro začátečníky i mírně pokročilé programátory. Nabízí praktické příklady a cvičení, i když pro některé uživatele byla frustrující kvůli kvalitě tisku a programátorským chybám.
Klady:⬤ Jasná a stručná
⬤ skvělá pro začátečníky i středně pokročilé
⬤ praktické příklady
⬤ užitečné pro učení konceptů datové vědy
⬤ zakončená cvičeními pro pochopení
⬤ vhodná jako příručka.
Zápory:⬤ Tištěno černobíle, což ovlivňuje přehlednost grafů
⬤ některé úryvky kódu nefungují správně
⬤ pedagogické problémy
⬤ vyžaduje předchozí znalost jazyka Python pro optimální pochopení.
(na základě 9 hodnocení čtenářů)
Původní název:
Data Science Essentials in Python: Collect - Organize - Explore - Predict - Value
Obsah knihy:
S touto stručnou příručkou pro zaneprázdněné datové vědce přejdete od chaotických, nestrukturovaných artefaktů uložených v databázích SQL a NoSQL k přehledným, dobře organizovaným datovým souborům. Pochopte text mining, strojové učení a síťovou analýzu, zpracovávejte číselná data pomocí modulů NumPy a Pandas, popisujte a analyzujte data pomocí statistických a síťově-teoretických metod a prohlédněte si skutečné příklady analýzy dat v praxi. Toto ucelené řešení pokrývá základní informace o datové vědě, které potřebujete v jazyce Python.
Datová věda je jedním z nejrychleji rostoucích oborů, pokud jde o akademický výzkum, počet studentů a zaměstnání. Python díky své flexibilitě a škálovatelnosti rychle předstihuje jazyk R pro datověvědné projekty. Mějte koncepty datové vědy v jazyce Python vždy po ruce díky této modulární stručné příručce k nástrojům používaným k získávání, čištění, analýze a ukládání dat.
Toto komplexní řešení zahrnuje základní znalosti jazyka Python, databází, síťové analýzy, zpracování přirozeného jazyka, prvků strojového učení a vizualizace. Získejte přístup ke strukturovaným i nestrukturovaným textovým a číselným datům z místních souborů, databází a internetu. Uspořádejte, přeuspořádejte a vyčistěte data. Pracovat s relačními i nerelačními databázemi, vizualizací dat a jednoduchou prediktivní analýzou (regrese, shlukování a rozhodovací stromy). Podívejte se, jak se řeší typické problémy analýzy dat. A vyzkoušejte si vlastní řešení různých středně rozsáhlých projektů, na kterých je zábavné pracovat a které se dobře vyjímají ve vašem životopise.
Mějte tuto praktickou stručnou příručku po ruce, ať už jste student, začínající profesionál v oblasti datových věd přecházející z R na Python, nebo zkušený vývojář v Pythonu, který se nechce učit nazpaměť každou funkci a možnost.
Co potřebujete:
Potřebujete slušnou distribuci Pythonu 3. 3 nebo vyšší, která obsahuje alespoň NLTK, Pandas, NumPy, Matplotlib, Networkx, SciKit-Learn a BeautifulSoup. Skvělou distribucí, která splňuje tyto požadavky, je Anaconda, která je zdarma k dispozici na adrese www.continuum. io. Pokud plánujete zřídit vlastní databázové servery, potřebujete také MySQL (www.mysql.com) a MongoDB (www.mongodb.com). Oba balíky jsou zdarma a fungují v systémech Windows, Linux a Mac OS.
