Avis des lecteurs
Résumé:Ce livre constitue une introduction raisonnable aux techniques d'exploration de données, en particulier pour les débutants, avec quelques exemples intéressants. Cependant, il souffre de nombreuses fautes de frappe, d'une mauvaise édition et de problèmes d'accès au code supplémentaire, ce qui nuit à sa qualité générale.
Avantages:⬤ Bonne introduction aux techniques de data mining et aux concepts d'apprentissage automatique.
⬤ Variété de projets et d'exemples pratiques, de type tutoriel, le rendant accessible aux débutants.
⬤ Utilise des bibliothèques Python comme scikit-learn, ce qui facilite la compréhension.
⬤ Contient des exemples de code utiles expliqués dans un langage simple.
⬤ Nombreuses fautes de frappe et d'édition dans l'ensemble du livre.
⬤ Les concepts clés sont mal expliqués et les hypothèses sur les connaissances du lecteur peuvent être problématiques.
⬤ L'accès aux exemples de code nécessite un enregistrement, avec des rapports de réponses inexistantes de la part de l'éditeur.
⬤ Certains lecteurs souhaitent une exploration plus approfondie de certains sujets plutôt qu'une vue d'ensemble.
(basé sur 7 avis de lecteurs)
Titre original :
Learning Data Mining with Python
Contenu du livre :
Exploitez la puissance de Python pour analyser les données et créer des modèles prédictifs pertinents.
À propos de ce livre
Apprenez l'exploration de données en termes pratiques, en utilisant une grande variété de bibliothèques et de techniques Apprenez à trouver, manipuler et analyser des données à l'aide de Python Instructions étape par étape pour créer des applications réelles de techniques d'exploration de données
À qui s'adresse ce livre ?
Si vous êtes un programmeur qui souhaite s'initier au data mining, ce livre est fait pour vous.
Ce que vous apprendrez
Appliquer les concepts du data mining aux problèmes du monde réel Prédire l'issue des matchs sportifs en fonction des résultats passés Déterminer l'auteur d'un document en fonction de son style d'écriture Utiliser les API pour télécharger des ensembles de données à partir des médias sociaux et d'autres services en ligne Trouver et extraire les bonnes caractéristiques des ensembles de données difficiles Créer des modèles qui résolvent les problèmes du monde réel Concevoir et développer des applications de data mining en utilisant une variété d'ensembles de données Mettre en place des expériences reproductibles et générer des résultats robustes Recommander des films, des célébrités en ligne et des articles d'actualité en fonction des préférences personnelles Calculer sur les big data, y compris les données en temps réel à partir d'Internet
En détail
La prochaine étape de l'ère de l'information consiste à tirer des enseignements du déluge de données qui nous parvient. Le data mining est un moyen de trouver ces informations, et Python est l'un des langages les plus populaires pour le data mining, car il offre à la fois puissance et flexibilité dans l'analyse.
Ce livre vous apprend à concevoir et à développer des applications de data mining en utilisant une variété d'ensembles de données, en commençant par la classification de base et l'analyse des affinités. Ensuite, nous passons à des types de données plus complexes, y compris le texte, les images et les graphiques. Dans chaque chapitre, nous créons des modèles qui résolvent des problèmes du monde réel.
Il existe un ensemble riche et varié de bibliothèques disponibles en Python pour l'exploration de données. Ce livre en couvre un grand nombre, notamment IPython Notebook, pandas, scikit-learn et NLTK.
Chaque chapitre de ce livre vous présente de nouveaux algorithmes et de nouvelles techniques. À la fin de l'ouvrage, vous aurez un aperçu de l'utilisation de Python pour l'exploration de données, avec une bonne connaissance et une bonne compréhension des algorithmes et des implémentations.
Autres informations sur le livre :
| ISBN : | 9781784396053 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2015 |
| Nombre de pages : | 344 |
Achat:
Actuellement disponible, en stock.
