Fundamentos de la ciencia de datos en Python: Recopilar - Organizar - Explorar - Predecir - Valorar

Opiniones de los lectores

Este libro está bien valorado por los usuarios por su claridad y utilidad en el aprendizaje de Python para la ciencia de datos, adecuado tanto para principiantes como para programadores intermedios. Ofrece ejemplos prácticos y ejercicios, aunque algunos usuarios lo encontraron frustrante debido a la calidad de la impresión y a errores de programación.

⬤ Claro y conciso
⬤ ideal para principiantes e intermedios
⬤ ejemplos prácticos
⬤ útil para aprender conceptos de ciencia de datos
⬤ termina con ejercicios para su comprensión
⬤ adecuado como manual.

⬤ Impreso en blanco y negro que afecta a la claridad de los gráficos
⬤ algunos fragmentos de código no funcionan correctamente
⬤ cuestiones pedagógicas
⬤ requiere conocimientos previos de Python para una comprensión óptima.

(basado en 9 opiniones de lectores)

Título original:

Data Science Essentials in Python: Collect - Organize - Explore - Predict - Value

Contenido del libro:

Pase de artefactos desordenados y desestructurados almacenados en bases de datos SQL y NoSQL a un conjunto de datos ordenado y bien organizado con esta referencia rápida para el ocupado científico de datos. Comprenda la minería de textos, el aprendizaje automático y el análisis de redes; procese datos numéricos con los módulos NumPy y Pandas; describa y analice datos utilizando métodos estadísticos y de teoría de redes; y vea ejemplos reales de análisis de datos en funcionamiento. Esta solución integral cubre la ciencia de datos esencial que necesita en Python.

La ciencia de datos es una de las disciplinas de más rápido crecimiento en términos de investigación académica, matriculación de estudiantes y empleo. Python, con su flexibilidad y escalabilidad, está superando rápidamente al lenguaje R para proyectos de ciencia de datos. Tenga a mano los conceptos de la ciencia de datos en Python con esta referencia rápida y modular de las herramientas utilizadas para adquirir, limpiar, analizar y almacenar datos.

Esta solución integral cubre los aspectos esenciales de Python, bases de datos, análisis de redes, procesamiento del lenguaje natural, elementos de aprendizaje automático y visualización. Acceda a datos numéricos y de texto estructurados y no estructurados de archivos locales, bases de datos e Internet. Organizar, reordenar y limpiar los datos. Trabajar con bases de datos relacionales y no relacionales, visualización de datos y análisis predictivo simple (regresiones, agrupación y árboles de decisión). Vea cómo se resuelven los problemas típicos del análisis de datos. Y pruebe sus propias soluciones a una variedad de proyectos de mediana escala en los que es divertido trabajar y que quedan bien en su currículum.

Tenga a mano esta práctica guía rápida tanto si es un estudiante, un profesional principiante de la ciencia de datos que se está convirtiendo de R a Python, o un desarrollador experimentado de Python que no quiere memorizar cada función y opción.

Lo que necesitas

Necesitas una distribución decente de Python 3. 3 o superior que incluya al menos NLTK, Pandas, NumPy, Matplotlib, Networkx, SciKit-Learn y BeautifulSoup. Una gran distribución que cumple los requisitos es Anaconda, disponible gratuitamente en www.continuum. io. Si planeas montar tus propios servidores de bases de datos, también necesitas MySQL (www.mysql.com) y MongoDB (www.mongodb.com). Ambos paquetes son gratuitos y funcionan en Windows, Linux y Mac OS.