Avis des lecteurs
Résumé:Le livre « Data Analysis with Open Source Tools » offre une introduction complète aux techniques d'analyse de données, bien qu'il se concentre davantage sur les aspects théoriques que sur la mise en œuvre pratique avec du code. Les lecteurs apprécient généralement la profondeur du contenu et les idées de l'auteur, mais il y a des critiques concernant la structure, la profondeur des exemples et la précision de certaines explications.
Avantages:⬤ Offre une vue d'ensemble approfondie des différentes techniques d'analyse de données
⬤ bien écrit et accessible
⬤ présente des idées utiles et encourage à penser différemment
⬤ convient aux débutants
⬤ inclut des outils et des méthodes pratiques
⬤ précieux pour comprendre les concepts en profondeur.
⬤ Titre trompeur concernant les outils open source
⬤ manque d'exemples de codes de travail
⬤ problèmes d'organisation dans le flux du contenu
⬤ quelques inexactitudes mathématiques et statistiques
⬤ la taille de la police est trop petite pour une lecture confortable
⬤ peut ne pas convenir à ceux qui recherchent des détails techniques profonds ou des exemples pratiques rigoureux.
(basé sur 52 avis de lecteurs)
Titre original :
Data Analysis with Open Source Tools: A Hands-On Guide for Programmers and Data Scientists
Contenu du livre :
Collecter des données est relativement facile, mais transformer des informations brutes en quelque chose d'utile exige que vous sachiez comment extraire précisément ce dont vous avez besoin. Grâce à ce livre perspicace, les programmeurs intermédiaires ou expérimentés intéressés par l'analyse des données apprendront des techniques pour travailler avec des données dans un environnement professionnel. Vous apprendrez à regarder les données pour découvrir ce qu'elles contiennent, à capturer ces idées dans des modèles conceptuels, puis à réinjecter votre compréhension dans l'organisation par le biais de plans d'affaires, de tableaux de bord et d'autres applications.
En cours de route, vous expérimenterez les concepts par le biais d'ateliers pratiques à la fin de chaque chapitre. Avant tout, vous apprendrez à penser aux résultats que vous souhaitez obtenir, plutôt que de compter sur les outils pour penser à votre place.
⬤ Utilisez des graphiques pour décrire des données comportant une, deux ou des douzaines de variables.
⬤ Développer des modèles conceptuels en utilisant des calculs à l'envers, ainsi que des arguments de mise à l'échelle et de probabilité.
⬤ Exploiter les données à l'aide de méthodes informatiques intensives telles que la simulation et le regroupement.
⬤ Rendre vos conclusions compréhensibles par le biais de rapports, de tableaux de bord et d'autres programmes de mesure.
⬤ Comprendre les calculs financiers, y compris la valeur temporelle de l'argent.
⬤ Utiliser des techniques de réduction de la dimensionnalité ou d'analyse prédictive pour résoudre des situations difficiles d'analyse de données.
⬤ Se familiariser avec les différents environnements de programmation open source pour l'analyse des données.
"Enfin une référence concise pour comprendre comment conquérir des piles de données". --Austin King, développeur web senior, Mozilla.
"Un texte indispensable pour les scientifiques de données en herbe. --Michael E. Driscoll, PDG et fondateur de Dataspora.
Autres informations sur le livre :
| ISBN : | 9780596802356 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2010 |
| Nombre de pages : | 540 |
Achat:
Actuellement disponible, en stock.
