L'essentiel de la science des données en Python

Avis des lecteurs

Résumé:

Le livre sur la science des données en Python a reçu des critiques mitigées de la part des utilisateurs, soulignant ses points forts en matière de conseils pratiques et d'apprentissage structuré, tout en étant critiqué pour des erreurs dans le contenu et des mises à jour insuffisantes.

Avantages:

Les lecteurs apprécient le style clair, les exemples pratiques et l'organisation efficace des sujets. L'ouvrage est jugé utile tant pour les débutants que pour les utilisateurs expérimentés qui souhaitent rafraîchir leurs connaissances. Le livre couvre les concepts fondamentaux de la science des données et comprend une section sur des sujets avancés tels que les machines de Boltzmann restreintes.

Inconvénients:

Certains utilisateurs ont reproché au livre de contenir de nombreuses erreurs dans les exemples de code, le manque de soutien de l'auteur concernant ces problèmes, et d'être dépassé dans ses références (par exemple, ne pas aborder la transition de IPython Notebook à Jupyter). En outre, il n'est peut-être pas assez complet pour les débutants complets qui partent de zéro.

(basé sur 6 avis de lecteurs)

Titre original :

Python Data Science Essentials

Contenu du livre :

Principales caractéristiques Familiarisez-vous rapidement avec la science des données à l'aide de Python Gagnez du temps - et des efforts - grâce à tous les outils essentiels expliqués Créez des projets de science des données efficaces et évitez les pièges courants à l'aide d'exemples et de conseils dictés par l'expérience Description du livre

Ce livre commence par vous présenter la mise en place de votre boîte à outils essentielle pour la science des données. Il vous guidera ensuite à travers toutes les phases de traitement et de pré-traitement des données. Il explique toutes les activités de base de la science des données liées au chargement des données, à leur transformation et à leur fixation pour l'analyse, ainsi qu'à leur exploration et à leur traitement. Enfin, il complétera l'aperçu en vous présentant les principaux algorithmes d'apprentissage automatique, les techniques d'analyse graphique et tous les instruments de visualisation qui peuvent vous faciliter la tâche lors de la présentation de vos résultats.

Dans ce parcours, structuré comme un projet de science des données, vous serez toujours accompagné d'un code clair et d'exemples simplifiés pour vous aider à comprendre les mécanismes sous-jacents et les ensembles de données du monde réel. Ce que vous apprendrez Configurer votre boîte à outils de science des données en utilisant un environnement scientifique Python sur Windows, Mac et Linux Préparer les données pour votre projet de science des données Manipuler, corriger et explorer les données afin de résoudre les problèmes de science des données Mettre en place un pipeline expérimental pour tester votre hypothèse de science des données Choisir l'algorithme d'apprentissage le plus efficace et le plus évolutif pour vos tâches de science des données Optimiser vos modèles d'apprentissage automatique pour obtenir les meilleures performances Explorer et regrouper les graphiques, en tirant parti des interconnexions et des liens dans vos données Table des matières Premiers pas Le regroupement des données Le pipeline de science des données L'apprentissage automatique L'analyse des réseaux sociaux La visualisation

Autres informations sur le livre :

• ISBN : 9781785280429
• Auteur : Alberto Boschetti
• Éditeur : Packt Pub
• Reliure : Broché