Avis des lecteurs
Résumé:Ce livre est une ressource complète pour les nouveaux scientifiques des données, offrant des explications claires, des exemples pratiques et des exercices de codage utiles. Il couvre un éventail de sujets allant de la manipulation des données de base aux techniques avancées d'apprentissage automatique, ce qui le rend adapté aux débutants ayant quelques connaissances de Python.
Avantages:⬤ Facile à lire et à comprendre
⬤ des chapitres bien structurés avec des explications claires
⬤ des exemples pratiques de code Python
⬤ combler le fossé entre la théorie et la pratique
⬤ des sections informatives sur les techniques modernes d'apprentissage automatique, les métriques et les biais des données
⬤ précieux pour construire une base solide dans la science des données.
Les chapitres sur les statistiques et les probabilités avancées peuvent manquer de profondeur pour les lecteurs qui s'attendent à une couverture plus complète ; ils peuvent supposer un certain niveau de connaissances préalables dans le domaine de la science des données.
(basé sur 4 avis de lecteurs)
Titre original :
Principles of Data Science - Third Edition: A beginner's guide to essential math and coding skills for data fluency and machine learning
Contenu du livre :
Transformez vos données en connaissances grâce à des techniques et des concepts mathématiques indispensables pour percer les secrets cachés dans vos données Caractéristiques principales Apprenez la science des données pratique combinée à la théorie des données pour tirer le maximum de connaissances des données Découvrez des méthodes pour déployer des pipelines d'apprentissage automatique exploitables tout en atténuant les biais dans les données et les modèles Explorez des études de cas exploitables pour mettre vos nouvelles compétences en pratique immédiatement L'achat de la version imprimée ou du livre Kindle comprend un livre électronique PDF gratuit Description du livre
Principles of Data Science fait le lien entre les mathématiques, la programmation et l'analyse commerciale, vous permettant de poser et de traiter en toute confiance des questions complexes sur les données et de construire des pipelines d'apprentissage automatique efficaces. Ce livre vous fournira les outils nécessaires pour transformer des concepts abstraits et des statistiques brutes en informations exploitables.
En commençant par le nettoyage et la préparation, vous explorerez des stratégies et des techniques efficaces d'exploration de données avant de passer à la construction d'une image holistique de la façon dont chaque pièce du puzzle de la science des données s'emboîte. Tout au long du livre, vous découvrirez des modèles statistiques qui vous permettront de contrôler et de naviguer dans les ensembles de données les plus denses ou les plus épars, et vous apprendrez à créer des visualisations puissantes qui communiquent les histoires cachées dans vos données.
En mettant l'accent sur les applications, cette édition couvre l'apprentissage par transfert avancé et les modèles pré-entraînés pour les tâches de NLP et de vision. Vous vous familiariserez avec les techniques avancées d'atténuation des biais algorithmiques dans les données et les modèles, et vous vous attaquerez à la dérive des modèles et des données. Enfin, vous explorerez la gouvernance des données de niveau moyen, y compris la provenance des données, la confidentialité et la gestion des demandes de suppression.
À la fin de ce livre sur la science des données, vous aurez appris les principes fondamentaux des mathématiques et des statistiques computationnelles, tout en naviguant dans les méandres de la ML moderne et des grands modèles pré-entraînés tels que GPT et BERT. Ce que vous apprendrez Maîtriser les étapes fondamentales de la science des données à l'aide d'exemples pratiques Combler le fossé entre les mathématiques et la programmation à l'aide de statistiques et de ML avancées Exploiter les probabilités, le calcul et les modèles pour un contrôle efficace des données Explorer la ML moderne transformatrice avec de grands modèles de langage Évaluer le succès de la ML avec des métriques et des MLOps percutants Créer des visuels convaincants qui transmettent des informations exploitables Quantifier et atténuer les biais dans les données et les modèles ML À qui ce livre s'adresse-t-il ?
Si vous êtes un scientifique des données novice en herbe désireux d'élargir ses connaissances, ce livre est fait pour vous. Que vous ayez des compétences de base en mathématiques et souhaitiez les appliquer au domaine de la science des données, ou que vous excelliez en programmation mais ne possédiez pas les bases mathématiques nécessaires, ce livre vous sera utile. Une bonne connaissance de la programmation Python vous permettra d'améliorer votre expérience d'apprentissage. Table des matières Terminologie de la science des données Types de données Les cinq étapes de la science des données Mathématiques de base Impossible ou improbable - Une introduction en douceur à la probabilité Probabilité avancée Quelles sont les chances ? Introduction aux statistiques Statistiques avancées Communiquer des données Comment savoir si votre grille-pain apprend - L'essentiel de l'apprentissage automatique Les prédictions ne poussent pas dans les arbres, ou si ? Introduction à l'apprentissage par transfert et aux modèles pré-entraînés Atténuation des biais algorithmiques et lutte contre la dérive des modèles et des données Gouvernance de l'IA Naviguer dans le monde réel de la science des données Études de cas en action
Autres informations sur le livre :
| ISBN : | 9781837636303 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
