Data Science mit Python: Das Handbuch für den Einsatz von IPython, Jupyter, NumPy, Pandas, Matplotlib und Scikit-Learn

مهمترین ابزار برای تجزیه و تحلیل و دستکاری داده ها در استفاده عملی استفاده از پایتون برای محاسبات فشرده داده با IPython و JupyterLoading، ذخیره و دستکاری داده ها و آرایه های عددی با NumPy و PandasVisualizing داده ها با MatplotlibPython برای به دلیل تنوع منابع و کتابخانه های موجود برای ذخیره، دستکاری و کاوش داده ها، اولین انتخاب برای بسیاری در علم داده است. نویسنده در این کتاب نحوه استفاده از مهمترین ابزارها را توضیح می دهد.برای تحلیلگران داده و دانشمندان، این راهنمای جامع برای هر نوع محاسبات با پایتون و همچنین برای انجام کارهای روزمره ارزشمند خواهد بود. این شامل دستکاری، تبدیل و پاکسازی داده‌ها، تجسم انواع مختلف داده‌ها، و استفاده از داده‌ها برای ایجاد آمار یا مدل‌های یادگیری ماشینی است. این راهنما نحوه استفاده از ابزارهای زیر را توضیح می‌دهد:● IPython و Jupyter برای محاسبات فشرده داده، ● NumPy و Pandas برای ذخیره و دستکاری کارآمد آرایه‌ها و داده‌ها در پایتون● Matplotlib برای گزینه‌های مختلف برای تجسم داده‌ها● Scikit-Learn برای پیاده‌سازی مؤثر و تمیز مهم‌ترین و رایج‌ترین الگوریتم‌های یادگیری ماشین نویسنده به شما نشان می‌دهد چگونه از آن برای استفاده از Leverage the بسته های علم داده برای ذخیره سازی، دستکاری و به دست آوردن بینش موثر در مورد داده ها در دسترس هستند. دانش پایه پایتون فرض شده است نظر خواننده درباره کتاب: «اگر می‌خواهید علم داده را با پایتون انجام دهید، این کتاب یک نقطه شروع عالی است. من آن را با موفقیت در آموزش دانشجویان علوم کامپیوتر و آمار استفاده کرده ام. جیک فراتر از اصول اولیه ابزارهای متن باز است و مفاهیم اساسی، رویه ها و انتزاعات را به زبانی واضح و با توضیحاتی آسان توضیح می دهد.» - برایان گرنجر، استاد فیزیک دانشگاه ایالتی پلی تکنیک کالیفرنیا، یکی از بنیانگذاران پروژه Jupyter

Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen EinsatzPython effizient für datenintensive Berechnungen einsetzen mit IPython und JupyterLaden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und PandasVisualisierung von Daten mit MatplotlibPython ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools.Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen.Dieses Handbuch erläutert die Verwendung der folgenden Tools:● IPython und Jupyter für datenintensive Berechnungen● NumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in Python● Matplotlib für vielfältige Möglichkeiten der Visualisierung von Daten● Scikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine LearningsDer Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt.Leserstimme zum Buch:»Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weit über die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.«– Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts