Avis des lecteurs
Résumé:Ce livre est recommandé aux personnes ayant une certaine expérience de la programmation et souhaitant s'initier à la science des données à l'aide de Python. Il fournit une vue d'ensemble complète du flux de travail de la science des données, couvrant des sujets tels que le nettoyage des données, l'analyse exploratoire, les techniques d'apprentissage automatique et la réalisation de projets. Le livre comprend des exemples pratiques et des études de cas pour renforcer l'apprentissage, bien qu'il ne soit pas idéal pour les débutants complets ou les experts.
Avantages:⬤ Il comble le fossé entre la théorie et l'application pratique de la science des données.
⬤ Une couverture complète du nettoyage des données, de l'analyse et de la construction de modèles.
⬤ De nombreux exemples pratiques et études de cas.
⬤ Explications accessibles convenant aux apprenants de niveau intermédiaire.
⬤ Bien structuré pour guider les lecteurs à travers le cycle de vie d'un projet de science des données.
⬤ Nécessite des connaissances préalables en programmation Python et en statistiques.
⬤ Ne convient pas aux débutants complets ou aux data scientists chevronnés.
⬤ Manque d'explications mathématiques détaillées pour certains concepts.
⬤ Certains lecteurs peuvent trouver que l'accent mis sur des projets complets plutôt que sur des exercices individuels plus petits est contraignant.
(basé sur 35 avis de lecteurs)
Titre original :
Data Science Projects with Python - Second Edition: A case study approach to gaining valuable insights from real data with machine learning
Contenu du livre :
Acquérir une expérience pratique de la programmation Python avec des techniques d'apprentissage automatique standard de l'industrie en utilisant pandas, scikit-learn, et XGBoost.
Caractéristiques principales :
⬤ Penser les données de manière critique et les utiliser pour formuler et tester une hypothèse.
⬤ Choisissez un modèle d'apprentissage automatique approprié et entraînez-le sur vos données.
⬤ Communiquer avec confiance et clarté les connaissances issues des données.
Description du livre :
Si les données sont le nouveau pétrole, l'apprentissage automatique est la foreuse. Alors que les entreprises ont accès à des quantités toujours plus importantes de données brutes, la capacité à fournir des modèles prédictifs de pointe qui soutiennent la prise de décision devient de plus en plus précieuse.
Dans ce livre, vous travaillerez sur un projet de bout en bout basé sur un ensemble de données réalistes et divisé en petits exercices pratiques. Cela crée une approche d'étude de cas qui simule les conditions de travail que vous rencontrerez dans les projets de science des données du monde réel.
Vous apprendrez à utiliser les principaux packages Python, notamment pandas, Matplotlib et scikit-learn, et à maîtriser le processus d'exploration et de traitement des données, avant de passer à l'ajustement, à l'évaluation et à la mise au point d'algorithmes tels que la régression logistique régularisée et la forêt aléatoire.
Dans sa deuxième édition, ce livre vous accompagnera tout au long du processus d'exploration des données et de livraison de modèles d'apprentissage automatique. Mise à jour pour 2021, cette édition comprend un tout nouveau contenu sur XGBoost, les valeurs SHAP, l'équité algorithmique et les préoccupations éthiques liées au déploiement d'un modèle dans le monde réel.
À la fin de ce livre sur la science des données, vous aurez les compétences, la compréhension et la confiance nécessaires pour construire vos propres modèles d'apprentissage automatique et obtenir des informations à partir de données réelles.
Ce que vous apprendrez
⬤ Charger, explorer et traiter des données à l'aide du package Python pandas.
⬤ Utiliser Matplotlib pour créer des visualisations de données convaincantes.
⬤ Mettre en place des modèles prédictifs d'apprentissage automatique avec scikit-learn.
⬤ Utiliser la régression lasso et ridge pour réduire le surajustement des modèles.
⬤ Évaluer les performances des modèles de forêt aléatoire et de régression logistique.
⬤ Les modèles d'apprentissage automatique de scikit-learn sont des modèles d'apprentissage automatique de scikit-learn.
A qui s'adresse ce livre :
Data Science Projects with Python - Second Edition s'adresse à tous ceux qui souhaitent s'initier à la science des données et à l'apprentissage automatique. Si vous souhaitez faire progresser votre carrière en utilisant l'analyse de données et la modélisation prédictive pour générer des informations commerciales, ce livre est l'endroit idéal pour commencer. Pour saisir rapidement les concepts abordés, il est recommandé d'avoir une expérience de base de la programmation avec Python ou un autre langage similaire, ainsi qu'un intérêt général pour les statistiques.
Autres informations sur le livre :
| ISBN : | 9781800564480 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
