Każdy sprzedawca w empik.com jest przedsiębiorcą. Wszystkie obowiązki związane z umową sprzedaży ciążą na sprzedawcy. Za wysłanie produktu odpowiada sprzedawca.
Opis produktu
Python w data science. Praktyczne wprowadzenie - Yuli Vasiliev
Python jest idealnym wyborem dla danologów, którzy chcą w prosty sposób uzyskiwać dostęp do dowolnego rodzaju danych, przetwarzać je i analizować. Służy do tego zarówno bogaty zestaw wbudowanych struktur danych, jak i solidny zbiór przeznaczonych do ich analizy bibliotek open source. Sam język pozwala na tworzenie zwięzłego kodu przy minimalnym nakładzie czasu i wysiłku: jeden wiersz kodu może filtrować, przekształcać i agregować dane.
Tę książkę docenią średnio zaawansowani użytkownicy Pythona, którzy tworzą aplikacje korzystające z osiągnięć nauki o danych. Znajdziesz w niej omówienie możliwości języka, wbudowanych struktur danych Pythona, jak również takich bibliotek jak NumPy, pandas, scikit-learn i matplotlib.
Nauczysz się wczytywania danych w różnych formatach, porządkowania, grupowania i agregowana zbiorów danych, a także tworzenia wykresów i map. Poszczególne zagadnienia zostały zilustrowane praktycznymi przykładami tworzenia rzeczywistych aplikacji, takich jak system obsługi taksówek z wykorzystaniem danych lokalizacyjnych, analiza reguł asocjacyjnych dla danych transakcji czy też uczenie maszynowe modelu przewidującego zmiany kursów akcji.
Każdy rozdział zawiera interesujące ćwiczenia, które pozwolą Ci nabrać biegłości w stosowaniu opisanych tu technik.
Dzięki tej książce nauczysz się:
efektywnie korzystać ze struktur danych Pythona
wyciągać cenne informacje z danych
posługiwać się danymi: tekstowymi, przestrzennymi, szeregami czasowymi
korzystać z wielu typów i formatów danych, w tym JSON i CSV
używać technik uczenia maszynowego do celów przetwarzania języka naturalnego
Python: Twój najlepszy sojusznik w przetwarzaniu danych!
„Python w data science. Praktyczne wprowadzenie” to praktyczny przewodnik po wykorzystaniu Pythona w pracy z danymi — od ich wczytywania i porządkowania po analizę, wizualizację i budowę modeli. Książka prowadzi czytelnika przez możliwości samego języka oraz popularnych bibliotek, takich jak NumPy, pandas, scikit-learn i matplotlib. Całość opiera się na konkretnych przykładach zastosowań, które pokazują, jak zwięzły kod może wspierać rzeczywiste zadania związane z nauką o danych.
Książka porusza temat efektywnego przetwarzania danych w Pythonie, pokazując, jak korzystać ze struktur danych i bibliotek do analizy informacji. Ważnym motywem jest praktyczność, ponieważ kolejne zagadnienia są osadzone w przykładach tworzenia realnych aplikacji i rozwiązywania konkretnych problemów. Istotne miejsce zajmuje także praca z różnymi typami danych, w tym danymi tekstowymi, przestrzennymi i szeregami czasowymi, a także z formatami takimi jak JSON i CSV. Kolejnym tematem jest wizualizacja danych, obejmująca tworzenie wykresów i map. Książka dotyka również uczenia maszynowego, zwłaszcza w kontekście analizy danych i przetwarzania języka naturalnego.
To propozycja dla średnio zaawansowanych użytkowników Pythona, którzy chcą rozwijać umiejętności w obszarze data science i tworzyć aplikacje oparte na analizie danych. Najbardziej docenią ją czytelnicy zainteresowani praktycznym zastosowaniem bibliotek takich jak NumPy, pandas, scikit-learn i matplotlib. Nie jest to pozycja skierowana przede wszystkim do osób zupełnie początkujących w programowaniu w Pythonie.
Książka została napisana przez Yuliego Vasilieva.
Książka nie jest częścią serii.
Ta książka wyraźnie koncentruje się na praktyce i pokazuje, jak wykorzystywać Pythona do rzeczywistych zadań związanych z danymi. Oprócz omówienia struktur danych i bibliotek prowadzi czytelnika przez przykłady aplikacji, takich jak analiza transakcji, system obsługi taksówek czy przewidywanie zmian kursów akcji. Dzięki temu wiedza techniczna jest od razu osadzona w konkretnym kontekście. To dobry wybór dla osób, które chcą nie tylko poznawać narzędzia, ale też widzieć, jak działają w użyciu.
Książka pomaga rozwinąć umiejętność sprawnego korzystania ze struktur danych Pythona oraz pracy z danymi w różnych formatach, w tym JSON i CSV. Uczy także porządkowania, grupowania i agregowania zbiorów danych, a następnie ich wizualizacji za pomocą wykresów i map. Czytelnik poznaje ponadto podstawy wykorzystywania technik uczenia maszynowego w praktycznych zastosowaniach, również w obszarze przetwarzania języka naturalnego. Dodatkową wartością są ćwiczenia w każdym rozdziale, które wspierają nabieranie biegłości.
Wydawcą książki „Python w data science. Praktyczne wprowadzenie” jest Wydawnictwo Helion.
Książka „Python w data science. Praktyczne wprowadzenie” dostępna jest w następujących formatach: ebook i miękkiej oprawie.
Jeśli spodobała Ci się książka „Python w data science. Praktyczne wprowadzenie”, warto sięgnąć po inne tytuły tego autora, na przykład: „Beginning Database-Driven Application Development in Java EE”, „Python для data science” lub „Python For Data Science: A Hands-On Introduction”.
