Commencer l'analyse de données avec Python et Jupyter : Utiliser de puissants outils standards pour obtenir de nouvelles informations exploitables à partir de vos données existantes.

Avis des lecteurs

Résumé:

Ce livre est conçu pour aider les lecteurs à s'initier rapidement à la science des données à l'aide de Python, en particulier pour ceux qui ont déjà une certaine connaissance de ce langage. Il offre des conseils étape par étape sur l'utilisation de Jupyter et de diverses bibliothèques de science des données. Si certains utilisateurs apprécient son format structuré, semblable à celui d'une salle de classe, d'autres le trouvent mal organisé et dépourvu d'explications claires.

Avantages:

⬤ Aide rapidement les utilisateurs à démarrer avec la science des données
⬤ exemples clairs étape par étape
⬤ bon pour les lecteurs ayant des connaissances de base en Python
⬤ prix raisonnable.

Inconvénients:

⬤ Mauvaise organisation
⬤ explications marginales des concepts
⬤ certains utilisateurs préfèrent des ressources alternatives comme YouTube.

(basé sur 5 avis de lecteurs)

Titre original :

Beginning Data Analysis with Python And Jupyter: Use powerful industry-standard tools to unlock new, actionable insight from your existing data

Contenu du livre :

Se lancer dans la science des données ne doit pas être un parcours du combattant. Ce guide étape par étape est idéal pour les débutants qui connaissent un peu Python et qui recherchent une introduction rapide. Fonctionnalités principales Se familiariser avec l'écosystème Jupyter et quelques ensembles de données d'exemple Apprendre les concepts clés de l'apprentissage automatique comme les SVM, les classificateurs KNN et les forêts aléatoires Découvrir comment utiliser le web scraping pour rassembler et analyser vos propres ensembles de données personnalisés Description du livre

Ce cours pratique sur Python et Jupyter vous permettra d'acquérir les compétences nécessaires pour débuter dans le domaine de la science des données. Vous apprendrez à connaître certaines des bibliothèques les plus couramment utilisées qui font partie de la distribution Anaconda, puis vous explorerez des modèles d'apprentissage automatique avec des ensembles de données réels pour vous donner les compétences et l'exposition dont vous avez besoin pour le monde réel. Nous terminerons en vous montrant à quel point il peut être facile de gratter et de rassembler vos propres données sur le web, afin que vous puissiez appliquer vos nouvelles compétences dans un contexte exploitable. Ce que vous apprendrez Identifier les domaines potentiels d'investigation et effectuer une analyse exploratoire des données Planifier une stratégie de classification d'apprentissage automatique et former des modèles de classification Utiliser les courbes de validation et la réduction de la dimensionnalité pour ajuster et améliorer vos modèles Récupérer des données tabulaires à partir de pages Web et les transformer en DataFrames Pandas Créer des visualisations interactives et conviviales pour communiquer clairement vos résultats À qui s'adresse ce livre ?

Ce livre est idéal pour les professionnels ayant des descriptions de poste variées dans un large éventail d'industries, étant donné la popularité croissante et l'accessibilité de la science des données. Vous aurez besoin d'une expérience préalable avec Python, et tout travail antérieur avec des bibliothèques comme Pandas, Matplotlib et Pandas vous donnera une longueur d'avance utile. Table des matières Principes de base de Jupyter Nettoyage de données et apprentissage automatique avancé Récupération de données sur le Web et visualisations interactives

Autres informations sur le livre :

• ISBN : 9781789532029
• Auteur : Alex Galea
• Éditeur : Packt Pub
• Langue : anglais
• Reliure : Broché