Science des données pratiques avec Python : Apprendre des outils et des techniques à partir d'exemples pratiques pour extraire des informations des données.

Avis des lecteurs

Résumé:

Ce livre est une introduction complète et bien structurée à la science des données à l'aide de Python, ce qui le rend adapté aux nouveaux venus et à ceux qui ont une certaine expérience dans le domaine. Il couvre un large éventail de sujets, de l'installation de base de Python aux techniques avancées d'apprentissage automatique, avec des exemples et des explications pratiques. Cependant, certains lecteurs pensent qu'il est trop avancé pour les débutants absolus.

Avantages:

⬤ Un style d'écriture approfondi et engageant, accessible aux lecteurs ayant des niveaux de connaissances variés en Python et en science des données.
⬤ Une couverture complète de divers sujets importants liés à la science des données, y compris le traitement des données, l'apprentissage automatique et l'utilisation des principales bibliothèques Python.
⬤ Des explications claires et des exemples pratiques aident à comprendre des concepts complexes.
⬤ Disponibilité de ressources telles que le code GitHub et les exemples Jupyter Notebook.
⬤ Le livre réussit à équilibrer les informations détaillées et les applications pratiques, ce qui le rend utile à la fois pour les débutants et les praticiens plus avancés.

Inconvénients:

⬤ Certaines sections sont considérées comme trop avancées pour les débutants complets, ce qui rend le livre potentiellement déroutant pour ceux qui n'ont pas de connaissances préalables de Python.
⬤ Quelques lecteurs ont trouvé que certaines parties du livre étaient arides ou accablantes en raison de la profondeur des informations présentées.
⬤ Les premiers chapitres couvrant les bases de Python peuvent être inutiles pour les utilisateurs expérimentés de Python, ce qui peut les amener à survoler des informations qu'ils comprennent déjà.

(basé sur 12 avis de lecteurs)

Titre original :

Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data

Contenu du livre :

Apprenez à gérer efficacement les données et à exécuter des projets de science des données du début à la fin en utilisant Python.

Caractéristiques principales :

⬤ Comprendre et utiliser les outils de la science des données en Python, tels que les algorithmes spécialisés d'apprentissage automatique et la modélisation statistique.

⬤ Vous pourrez ainsi acquérir de solides bases en science des données grâce aux meilleurs outils de science des données disponibles en Python.

⬤ Vous pourrez ainsi vous enrichir, enrichir votre organisation et enrichir la société en extrayant des informations exploitables à partir de données brutes.

Description du livre :

Practical Data Science with Python vous enseigne les concepts fondamentaux de la science des données, à l'aide d'exemples concrets et réalistes, et renforce votre maîtrise des principes de base et avancés de la préparation et du stockage des données, des statistiques, de la théorie des probabilités, de l'apprentissage automatique et de la programmation Python, vous aidant ainsi à construire une base solide pour acquérir des compétences en science des données.

Le livre commence par un aperçu des compétences de base en Python, puis présente les techniques fondamentales de la science des données, suivies d'une explication détaillée du code Python nécessaire à l'exécution des techniques. Vous comprendrez le code en travaillant sur les exemples. Le code a été décomposé en petits morceaux (quelques lignes ou une fonction à la fois) pour permettre une discussion approfondie.

Au fur et à mesure de votre progression, vous apprendrez à effectuer des analyses de données tout en explorant les fonctionnalités des principaux packages Python de science des données, notamment pandas, SciPy et scikit-learn. Enfin, le livre aborde les questions d'éthique et de confidentialité dans la science des données et suggère des ressources pour améliorer les compétences en science des données, ainsi que des moyens de se tenir au courant des nouveaux développements en science des données.

À la fin du livre, vous devriez être en mesure d'utiliser confortablement Python pour des projets de base en science des données et avoir les compétences nécessaires pour exécuter le processus de science des données sur n'importe quelle source de données.

Ce que vous apprendrez

⬤ Utiliser efficacement les packages Python pour la science des données.

⬤ Nettoyer et préparer les données pour le travail de science des données, y compris l'ingénierie des caractéristiques et la sélection des caractéristiques.

⬤ La modélisation des données, y compris les modèles statistiques classiques (par exemple, les tests t), et les algorithmes essentiels d'apprentissage machine (ML), tels que les forêts aléatoires et les modèles boostés.

⬤ Évaluer les performances des modèles.

⬤ Comparer et comprendre les différentes méthodes d'apprentissage automatique.

⬤ Interagir avec les feuilles de calcul Excel grâce à Python.

⬤ Créer des rapports automatisés de science des données à l'aide de Python.

⬤ Les techniques d'analyse de texte.

A qui s'adresse ce livre :

Ce livre s'adresse aux débutants, notamment aux étudiants qui commencent ou sont sur le point de commencer un programme de science des données, d'analyse ou un programme connexe (par exemple, licence, master, bootcamp, cours en ligne), aux jeunes diplômés qui veulent acquérir de nouvelles compétences pour se démarquer sur le marché du travail, aux professionnels qui veulent apprendre des techniques pratiques de science des données en Python et à ceux qui veulent réorienter leur carrière vers la science des données.

Ce livre nécessite une connaissance de base de Python. Une section "débuter avec Python" a été incluse pour permettre aux novices de se familiariser avec le langage.

Autres informations sur le livre :

• ISBN : 9781801071970
• Auteur : Nathan George
• Éditeur : Packt Pub
• Langue : anglais
• Reliure : Broché