Guide du praticien pour la science des données : Rationalisation des solutions de science des données à l'aide de Python, Scikit-Learn et Azure ML Service Platform

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 5 votes.

Titre original :

Practitioner's Guide to Data Science: Streamlining Data Science Solutions using Python, Scikit-Learn, and Azure ML Service Platform

Contenu du livre :

Le concept de Data Science n'a jamais été aussi pertinent, grâce aux travaux présentés dans cet ouvrage. Ce livre offre un aperçu approfondi de l'état actuel des données dans le monde et de la façon dont la science des données joue un rôle central dans tout ce que nous faisons.

Ce livre explique et met en œuvre l'ensemble du cycle de vie de la science des données en utilisant des processus de science des données bien connus tels que CRISP-DM et Microsoft TDSP. Le livre explique l'importance de ces processus en relation avec le taux d'échec élevé des projets de science des données.

Le livre aide à construire une base solide dans les concepts de la science des données et les cadres connexes. Il enseigne comment mettre en œuvre des cas d'utilisation du monde réel en utilisant les données de l'ensemble de données HMDA. Il explique l'architecture d'Azure ML Service, ses capacités et sa mise en œuvre à l'équipe de DS, qui sera alors prête à mettre en œuvre les MLOps. Le livre explique également comment utiliser Azure DevOps pour rendre le processus reproductible.

À la fin de ce livre, vous aurez acquis de solides compétences en codage Python, une bonne maîtrise de concepts tels que l'ingénierie des fonctionnalités, la création de visualisations pertinentes et la connaissance des techniques de construction de modèles d'apprentissage automatique.

TABLE DES MATIÈRES

1. La science des données pour l'entreprise.

2. Méthodologies de projet en science des données et processus d'équipe.

3. Compréhension de l'entreprise et de son paysage de données.

4. Acquérir, explorer et analyser les données.

5. Prétraitement et préparation des données.

6. Développer un modèle d'apprentissage automatique.

7. Tour de piste autour d'Azure ML Service.

8. Déploiement et gestion des modèles.

Autres informations sur le livre :

• ISBN : 9789391392871
• Auteur : Ali Mirza Nasir
• Éditeur : Bpb Pubn
• Reliure : Broché