Купить книгу Практическая наука о данных с Python: изучите инструменты и методы на практических примерах для извлечения полезной информации из данных на русском [PDF, EPUB, FB2, MOBI]

Научитесь эффективно управлять данными и выполнять проекты в области анализа данных от начала до конца с помощью Python.

Основные характеристики

• Освоить и использовать инструменты анализа данных в Python, такие как специализированные алгоритмы машинного обучения и статистическое моделирование.
• Создайте прочную основу для работы с данными, используя лучшие инструменты для анализа данных, доступные в Python.
• Принесите пользу себе, своей организации и обществу, извлекая полезные выводы из необработанных данных.

Описание книги

Книга «Практическая наука о данных с Python» знакомит вас с основными концепциями науки о данных, приводит реальные примеры из практики и укрепляет ваши знания как базовых, так и продвинутых принципов подготовки и хранения данных, статистики, теории вероятностей, машинного обучения и программирования на Python, помогая вам заложить прочную основу для достижения высокого уровня мастерства в науке о данных.

Книга начинается с обзора базовых навыков Python, затем знакомит с фундаментальными методами анализа данных, после чего следует подробное объяснение кода Python, необходимого для выполнения этих методов. Вы поймете код, работая над примерами. Код разбит на небольшие фрагменты (несколько строк или функций за раз), что позволяет провести подробное обсуждение.

По мере изучения материала вы освоите методы анализа данных, а также изучите функциональные возможности ключевых пакетов Python для работы с данными, включая pandas, SciPy и scikit-learn. В заключение книга рассматривает вопросы этики и конфиденциальности в науке о данных, а также предлагает ресурсы для повышения квалификации в этой области и способы оставаться в курсе новых разработок в сфере науки о данных.

К концу книги вы сможете уверенно использовать Python для выполнения базовых проектов в области анализа данных и обладать навыками для применения методов анализа данных к любым источникам данных.

Что вы узнаете

• Эффективное использование пакетов Python для анализа данных
• Очистка и подготовка данных для работы в области анализа данных, включая разработку и отбор признаков.
• Моделирование данных, включая классические статистические модели (такие как t-тесты), и основные алгоритмы машинного обучения, такие как случайные леса и модели бустинга.
• Оцените производительность модели.
• Сравните и разберитесь в различных методах машинного обучения.
• Взаимодействие с электронными таблицами Excel с помощью Python
• Создавайте автоматизированные отчеты по анализу данных с помощью Python.
• Освойте методы анализа текста.

Для кого предназначена эта книга?

Книга предназначена для начинающих, включая студентов, начинающих или собирающихся начать обучение по программам в области науки о данных, аналитики или смежных областях (например, бакалавриат, магистратура, интенсивные курсы, онлайн-курсы), недавних выпускников вузов, желающих освоить новые навыки, которые выделят их на рынке труда, специалистов, желающих изучить практические методы науки о данных на Python, а также тех, кто хочет сменить профессию и перейти в сферу науки о данных.

Для понимания книги необходимы базовые знания Python. В книгу включен раздел «Начало работы с Python», который поможет даже полным новичкам быстро освоить материал.

Оглавление

1. Введение в науку о данных
2. Начало работы с Python
3. SQL и встроенные модули обработки файлов в Python
4. Загрузка и обработка данных с помощью Pandas и NumPy
5. Исследовательский анализ данных и визуализация
6. Документы и электронные таблицы для обработки данных
7. Веб-скрейпинг
8. Вероятность, распределения и выборка
9. Статистическое тестирование для анализа данных
10. Подготовка данных для машинного обучения: выбор признаков, проектирование признаков и снижение размерности.
11. Машинное обучение для классификации
12. Оценка моделей классификации машинного обучения и методов выборки для классификации.
13. Машинное обучение с использованием регрессии