Ciencia de datos en la línea de comandos: Obtenga, depure, explore y modele datos con las potentes herramientas de Unix

Opiniones de los lectores

Las críticas destacan que el libro está bien escrito y es ameno, lo que hace interesante un tema potencialmente árido. Proporciona consejos útiles, especialmente para quienes trabajan con archivos CSV y herramientas de línea de comandos.

Bien escrito, atractivo, consejos y recomendaciones útiles, ejemplos claros, especialmente bueno para usuarios de CSV, conciso y directo, incluye herramientas programadas por el autor.

Los ejemplos de código pueden resultar confusos para los usuarios principiantes de la línea de comandos.

(basado en 5 opiniones de lectores)

Título original:

Data Science at the Command Line: Obtain, Scrub, Explore, and Model Data with Unix Power Tools

Contenido del libro:

Esta guía completamente revisada demuestra cómo la flexibilidad de la línea de comandos puede ayudarle a convertirse en un científico de datos más eficiente y productivo. Aprenderá a combinar pequeñas pero potentes herramientas de línea de comandos para obtener, depurar, explorar y modelar rápidamente sus datos. Para empezar, el autor Jeroen Janssens proporciona una imagen Docker repleta de más de 100 herramientas de Unix, útiles tanto si trabaja con Windows, macOS o Linux.

Descubrirá rápidamente por qué la línea de comandos es una tecnología ágil, escalable y extensible. Incluso si se siente cómodo procesando datos con Python o R, aprenderá a mejorar enormemente su flujo de trabajo de ciencia de datos aprovechando la potencia de la línea de comandos. Este libro es ideal para científicos de datos, analistas, ingenieros, administradores de sistemas e investigadores.

⬤ Obtenga datos de sitios web, API, bases de datos y hojas de cálculo.

⬤ Realizar operaciones de depuración en archivos de texto, CSV, HTML, XML y JSON.

⬤ Explorar datos, calcular estadísticas descriptivas y crear visualizaciones.

⬤ Gestionar su flujo de trabajo de ciencia de datos.

⬤ Crear sus propias herramientas a partir de código Python o R.

⬤ Paralelizar y distribuir pipelines de datos intensivos.

⬤ Modelar datos con algoritmos de reducción dimensional, regresión y clasificación.

⬤ Utilizar la línea de comandos de Python, Jupyter, R, RStudio y Apache Spark.