Avis des lecteurs
Résumé:Le livre fournit une introduction complète à la science des données, en utilisant Python et en abordant divers sujets essentiels dans le domaine. Bien qu'il explique efficacement les techniques et les théories, le livre a été critiqué pour les erreurs dans les exemples de code et l'insuffisance des applications pratiques pour les lecteurs dans des contextes professionnels. Dans l'ensemble, il est loué pour sa valeur éducative, en particulier pour les débutants et ceux qui revisitent les concepts de base.
Avantages:⬤ Approche complète de la science des données, couvrant une gamme de sujets incluant l'apprentissage automatique, les bases de données NoSQL, et les outils big data comme Spark
⬤ structure et organisation claires
⬤ excellent pour les débutants
⬤ exemples pratiques en Python
⬤ base solide pour une exploration plus poussée de la science des données.
⬤ Contient plusieurs erreurs dans les exemples de code, ce qui peut prêter à confusion
⬤ manque de scénarios d'application pratique pour une utilisation professionnelle
⬤ certains évaluateurs l'ont trouvé trop basique ou pas adapté à une application immédiate dans un contexte professionnel.
(basé sur 16 avis de lecteurs)
Titre original :
Introducing Data Science: Big Data, Machine Learning, and More, Using Python Tools
Contenu du livre :
Résumé
L'introduction à la science des données vous apprend à accomplir les tâches fondamentales qui occupent les scientifiques des données. En utilisant le langage Python et les bibliothèques Python courantes, vous ferez l'expérience directe des défis posés par le traitement des données à grande échelle et vous acquerrez une base solide en science des données.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
À propos de la technologie
De nombreuses entreprises ont besoin de développeurs ayant des compétences en science des données pour travailler sur des projets allant du marketing des médias sociaux à l'apprentissage automatique. Découvrir ce qu'il faut apprendre pour commencer une carrière de data scientist peut sembler déconcertant. Ce livre est conçu pour vous aider à démarrer.
À propos du livre
Introduction à la science des données L'introduction à la science des données explique les concepts essentiels de la science des données et vous apprend à accomplir les tâches fondamentales qui occupent les scientifiques des données. Vous explorerez la visualisation des données, les bases de données graphiques, l'utilisation de NoSQL et le processus de la science des données. Vous utiliserez le langage Python et les bibliothèques Python courantes pour relever les défis liés au traitement des données à grande échelle. Découvrez comment Python vous permet d'obtenir des informations à partir d'ensembles de données si volumineux qu'ils doivent être stockés sur plusieurs machines, ou à partir de données qui se déplacent si rapidement qu'aucune machine ne peut les traiter à elle seule. Ce livre vous permet d'acquérir une expérience pratique avec les bibliothèques de science des données Python les plus populaires, Scikit-learn et StatsModels. Après avoir lu ce livre, vous aurez les bases solides dont vous avez besoin pour commencer une carrière dans la science des données.
Contenu
⬤ Gestion des données volumineuses.
⬤ Introduction à l'apprentissage automatique.
⬤ L'utilisation de Python pour travailler avec les données.
⬤ L'écriture d'algorithmes de science des données.
A propos du lecteur
Ce livre suppose que vous êtes à l'aise pour lire du code en Python ou dans un langage similaire, tel que C, Ruby ou JavaScript. Aucune expérience préalable de la science des données n'est requise.
À propos des auteurs
Davy Cielen, Arno D. B. Meysman et Mohamed Ali sont les fondateurs et les associés directeurs d'Optimately et de Maiton, où ils se concentrent sur le développement de projets et de solutions de science des données dans divers secteurs.
Table des matières
⬤ La science des données dans un monde de big data.
⬤ Le processus de la science des données.
⬤ L'apprentissage automatique.
⬤ Traitement de données volumineuses sur un seul ordinateur.
⬤ Premiers pas dans le big data.
⬤ Rejoindre le mouvement NoSQL.
⬤ L'essor des bases de données graphiques.
⬤ L'exploration et l'analyse de texte.
⬤ La visualisation des données pour l'utilisateur final.
Autres informations sur le livre :
| ISBN : | 9781633430037 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2016 |
| Nombre de pages : | 320 |
Achat:
Actuellement disponible, en stock.
