Avis des lecteurs
Résumé:Le livre est reconnu pour sa clarté et son utilité dans le nettoyage des données, en mettant l'accent sur l'apprentissage par l'exemple. Cependant, il est critiqué pour son prix élevé, le manque de support en ligne pour les ensembles de données, et des problèmes mineurs avec la qualité de l'impression.
Avantages:Facile à lire, bonne référence pour les cours de nettoyage de données, bien détaillé, orienté vers l'exemple avec des extraits de code.
Inconvénients:Cher pour sa longueur, qualité d'impression floue sur certaines pages, pas de support en ligne pour les ensembles de données, manque d'accès aux codes et ensembles de données connexes, étapes difficiles passées sous silence.
(basé sur 6 avis de lecteurs)
Titre original :
Data Science Using Python and R
Contenu du livre :
Apprenez la science des données en faisant de la science des données
Data Science Using Python and Rvous permettra de vous connecter aux deux plateformes open-source les plus répandues au monde pour la science des données : Python et R.
La science des données a le vent en poupe. Bloomberg a qualifié le métier de scientifique des données de "métier le plus en vogue en Amérique". Python et R sont les deux principaux outils open-source pour la science des données dans le monde. Dans Data Science Using Python and R, vous apprendrez étape par étape à produire des solutions pratiques à des problèmes commerciaux réels, en utilisant des techniques de pointe.
Data Science Using Python and R est écrit pour le lecteur général qui n'a pas d'expérience préalable de l'analyse ou de la programmation. Un chapitre entier est consacré à l'apprentissage des bases de Python et de R. Ensuite, chaque chapitre présente des instructions pas à pas pour résoudre des problèmes de science des données à l'aide de Python et de R.
Les personnes ayant une expérience de l'analyse apprécieront de disposer d'un guichet unique pour apprendre à faire de la science des données en utilisant Python et R. Les sujets abordés comprennent la préparation des données, l'analyse exploratoire des données, la préparation de la modélisation des données, les arbres de décision, l'évaluation des modèles, les coûts des erreurs de classification, la classification Na ve Bayes, les réseaux neuronaux, le clustering, la modélisation de la régression, la réduction des dimensions et l'exploration des règles d'association.
En outre, de nouveaux sujets passionnants tels que les forêts aléatoires et les modèles linéaires généraux sont également inclus. Le livre met l'accent sur les coûts d'erreur basés sur les données afin d'améliorer la rentabilité, ce qui permet d'éviter les pièges courants qui peuvent coûter des millions de dollars à une entreprise.
Data Science Using Python and R propose des exercices à la fin de chaque chapitre, soit plus de 500 exercices au total. Les lecteurs auront donc de nombreuses occasions de mettre à l'épreuve leurs nouvelles compétences et leur expertise en matière de science des données. Dans les exercices d'analyse pratique, les lecteurs sont invités à résoudre des problèmes commerciaux intéressants en utilisant des ensembles de données du monde réel.
Autres informations sur le livre :
| ISBN : | 9781119526810 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2019 |
| Nombre de pages : | 256 |
Achat:
Actuellement disponible, en stock.
