Fundamentos de la Ciencia de Datos con Python - Segunda Edición: Aprende los fundamentos de la Ciencia de Datos con Python

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 4 votos.

Título original:

Python Data Science Essentials - Second Edition: Learn the fundamentals of Data Science with Python

Contenido del libro:

Acerca de este libro.

⬤ Familiarícese rápidamente con la ciencia de datos usando Python 3. 5.

⬤ Ahorre tiempo (y esfuerzo) con todas las herramientas esenciales explicadas.

⬤ Cree proyectos eficaces de ciencia de datos y evite los errores comunes con la ayuda de ejemplos y consejos dictados por la experiencia.

Para quién es este libro.

Si eres un aspirante a científico de datos y tienes al menos un conocimiento práctico de análisis de datos y Python, este libro te iniciará en la ciencia de datos. Los analistas de datos con experiencia en R o MATLAB también encontrarán en este libro una referencia completa para mejorar sus habilidades de manipulación de datos y aprendizaje automático.

Lo que aprenderá.

⬤ Configurar su caja de herramientas de ciencia de datos utilizando un entorno científico Python en Windows, Mac y Linux.

⬤ Preparar los datos para su proyecto de ciencia de datos.

⬤ Manipular, corregir y explorar datos para resolver problemas de ciencia de datos.

⬤ Configurar una tubería experimental para probar su hipótesis de ciencia de datos.

⬤ Elegir el algoritmo de aprendizaje más eficaz y escalable para sus tareas de ciencia de datos.

⬤ Optimizar sus modelos de aprendizaje automático para obtener el mejor rendimiento.

⬤ Explorar y agrupar gráficos, aprovechando las interconexiones y enlaces en sus datos.

En detalle.

Como segunda edición de Python Data Science Essentials, este libro ofrece contenidos actualizados y ampliados. Basado en los recientes cuadernos Jupyter (basados en kernels intercambiables, un sistema de ciencia de datos verdaderamente políglota), este libro incorpora todas las principales mejoras recientes en Numpy, pandas y Scikit-learn. Además, ofrece nuevos contenidos sobre aprendizaje profundo (presentando Keras - basado tanto en Theano como en Tensorflow), sobre visualizaciones bonitas (seaborn y ggplot), y sobre despliegue web (usando bottle).

Este libro comienza explicando cómo configurar su caja de herramientas de ciencia de datos esencial en la última versión de Python, 3. 5, utilizando un enfoque de fuente única (lo que implica que el código en este libro será fácilmente reutilizable en Python 2. 7 también). 7). A continuación, le guiará a través de todas las fases de munición y preprocesamiento de datos.

Por último, completará la visión general presentándole los principales algoritmos de aprendizaje automático, los aspectos técnicos del análisis de gráficos y los instrumentos de visualización y despliegue.