Data science od podstaw. Analiza danych w Pythonie. Wydanie II Joel Grus
Parametry
- Stan
- Nowy
- Faktura
- Faktura VAT
- Wydawnictwo
- Helion
- Język
- polski
- Tematyka
- Python
- Okładka
- miękka
- Waga (z opakowaniem)
- 0,5 kg
- Wysokość produktu
- 23,7 cm
- Szerokość produktu
- 16,8 cm
- Numer wydania
- 2
- Autor
- Joel Grus
- Liczba stron
- 352
- Tytuł
- Data science od podstaw. Analiza danych w Pythonie. Wydanie II
- Rok wydania
- 2 022
- ISBN
- 9788383221311
- Nośnik
- książka papierowa
- Gatunek
- Programowanie
Opis produktu
Data science od podstaw. Analiza danych w Pythonie. Wydanie II
Autor: Joel Grus
Wydawca: Helion
Rok wydania: 2020
Tłumaczenie: Wojciech Bombik, Konrad Matuk
ISBN: 978-83-8322-131-1
Format: 168x237
Oprawa: miękka
Stron: 352
Analityka danych jest uważana za wyjątkowo obiecującą dziedzinę wiedzy. Rozwija się błyskawicznie i znajduje coraz to nowsze zastosowania. Profesjonaliści biegli w eksploracji danych i wydobywaniu z nich pożytecznych informacji mogą liczyć na interesującą pracę i bardzo atrakcyjne warunki zatrudnienia. Jednak aby zostać analitykiem danych, trzeba znać matematykę i statystykę, a także nauczyć się programowania. Umiejętności w zakresie uczenia maszynowego i uczenia głębokiego również są ważne. W przypadku tak specyficznej dziedziny, jaką jest nauka o danych, szczególnie istotne jest zdobycie gruntownych podstaw i dogłębne ich zrozumienie.
W tym przewodniku opisano zagadnienia związane z podstawami nauki o danych. Wyjaśniono niezbędne elementy matematyki i statystyki. Przedstawiono także techniki budowy potrzebnych narzędzi i sposoby działania najistotniejszych algorytmów. Książka została skonstruowana tak, aby poszczególne implementacje były jak najbardziej przejrzyste i zrozumiałe. Zamieszczone tu przykłady napisano w Pythonie: jest to język dość łatwy do nauki, a pracę na danych ułatwia szereg przydatnych bibliotek Pythona. W drugim wydaniu znalazły się nowe tematy, takie jak uczenie głębokie, statystyka i przetwarzanie języka naturalnego, a także działania na ogromnych zbiorach danych. Zagadnienia te często pojawiają się w pracy współczesnego analityka danych.
W książce między innymi:
- elementy algebry liniowej, statystyki i rachunku prawdopodobieństwa
- zbieranie, oczyszczanie i eksploracja danych
- algorytmy modeli analizy danych
- podstawy uczenia maszynowego
- systemy rekomendacji i przetwarzanie języka naturalnego
- analiza sieci społecznościowych i algorytm MapReduce
Nauka o danych: bazuj na solidnych podstawach!