Data Mining. Eksploracja danych w sieciach społecznościowych. Wydanie III
- Autorzy:
- Matthew A. Russell, Mikhail Klassen
- Wydawnictwo:
- Helion
- Ocena:
- 4.5/6 Opinie: 2
- Stron:
- 376
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Opis ebooka: Data Mining. Eksploracja danych w sieciach społecznościowych. Wydanie III
Internetu nie można rozważać wyłącznie jako tworu techniki. Powstanie tej sieci doprowadziło do rozwoju różnych zjawisk społecznych. Z tej perspektywy na szczególną uwagę zasługują media społecznościowe. Są źródłem informacji, które, właściwie spożytkowane, mogą przynieść niezły dochód. Mogą też dać odpowiedzi na wiele pytań zadawanych przez naukowców z różnych branż. Sama eksploracja tych danych przynosi sporo satysfakcji i radości. Zaskakujące przy tym jest to, że przygotowanie zestawu potrzebnych narzędzi i nauka posługiwania się nimi zabiera naprawdę niewiele czasu i nie wymaga specjalnych talentów!
To trzecie, zaktualizowane wydanie popularnego podręcznika dla osób, które chcą zająć się wydobywaniem danych z sieci społecznościowych. Uwzględniono tu zmiany interfejsów API wprowadzone do poszczególnych platform i dodano rozdział o eksploracji Instagrama. Dowiesz się, jak dzięki danym z mediów społecznościowych określić sieć powiązań użytkowników, zorientować się, kto o czym mówi i gdzie się znajduje. Treść bogato zilustrowano przykładami kodu w Pythonie, a także plikami Jupyter Notebook lub kontenerów Dockera. Ciekawym elementem książki jest zbiór receptur dotyczących rozwiązywania konkretnych problemów z Twitterem.
W tej książce między innymi:
- wprowadzenie do świata mediów społecznościowych
- przybliżenie bogactwa danych zawartych w mediach społecznościowych
- eksploracja danych za pomocą narzędzi Pythona 3
- zaawansowane techniki eksploracji danych, w tym współczynniki TFIDF, podobieństwo kosinusów i rozpoznawanie obrazów
- tworzenie wizualizacji pozyskanych danych
Jakie informacje dziś znajdziesz dzięki danym z Facebooka?
Eksploruj bogate dane ukryte w popularnych serwisach społecznościowych takich, jak Twitter, Facebook, LinkedIn, Instagram i GitHub. Dzięki lekturze trzeciego wydania tego popularnego przewodnika inżynierowie danych, analitycy i programiści dowiedzą się, jak uzyskać wgląd w media społecznościowe - kto jest powiązany z kim, o czym mówi i gdzie się znajduje - z wykorzystaniem przykładów kodu w Pythonie, notatników Jupyter Notebook lub kontenerów Dockera.
W części 1. każdy z rozdziałów skupia się na jednym aspekcie krajobrazu sieci społecznościowych - każdym z głównych serwisów społecznościowych, a także stronach internetowych, blogach i kanałach, skrzynkach pocztowych, GitHubie. Jest także nowo dodany rozdział dotyczący Instagrama. Część 2. zawiera zbiór interesujących receptur dotyczących rozwiązywania konkretnych problemów z Twitterem.
- Uzyskaj proste streszczenie krajobrazu sieci społecznościowych.
- Użyj Dockera, aby łatwo uruchamiać przykładowy kod każdego rozdziału, spakowany w postaci notatników Jupyter Notebook.
- Dostosuj repozytorium GitHub z kodem źródłowym open source i dołóż do niego swoją "cegiełkę".
- Dowiedz się, jak używać najlepszych w swojej klasie narzędzi Pythona 3 do dzielenia i zbierania danych, które eksplorujesz.
- Zastosuj zaawansowane techniki eksploracji danych takie, jak współczynniki TF-IDF, podobieństwo kosinusów, analiza kolokacji, wykrywanie klik i rozpoznawanie obrazów.
- Stwórz estetyczne wizualizacje danych za pomocą zestawów narzędzi Pythona i JavaScript
Wybrane bestsellery
-
Oto uzupełnione i zaktualizowane wydanie bestsellerowego przewodnika dla inżynierów sieci. Dzięki niemu przejdziesz trudną (ale ekscytującą!) drogę od tradycyjnej platformy do platformy sieciowej opartej na najlepszych praktykach programistycznych. Zaczniesz od zagadnień podstawowych, aby następn...
Zaawansowana inżynieria sieci w Pythonie. Automatyzacja, monitorowanie i zarządzanie chmurą. Wydanie IV Zaawansowana inżynieria sieci w Pythonie. Automatyzacja, monitorowanie i zarządzanie chmurą. Wydanie IV
(83.85 zł najniższa cena z 30 dni)77.40 zł
129.00 zł(-40%) -
Oto drugie, zaktualizowane i uzupełnione wydanie przewodnika po bibliotece Pandas. Dzięki tej przystępnej książce nauczysz się w pełni korzystać z możliwości oferowanych przez bibliotekę, nawet jeśli dopiero zaczynasz przygodę z analizą danych w Pythonie. Naukę rozpoczniesz z użyciem rzeczywisteg...
Jak analizować dane z biblioteką Pandas. Praktyczne wprowadzenie. Wydanie II Jak analizować dane z biblioteką Pandas. Praktyczne wprowadzenie. Wydanie II
(70.85 zł najniższa cena z 30 dni)65.40 zł
109.00 zł(-40%) -
Zanurz się w fascynujący świat programowania w języku Python i osiągnij imponujący poziom umiejętności w zaledwie 24 godziny! Oto kilka zalet, które sprawiają, że ta książka jest niezbędna dla każdego aspirującego programisty: Szybki start: podstawy Pythona już w pierwszych godzinach nauki ...
Python w 1 dzień. Nauka programowania w Pythonie w 24 godziny od A do Z Python w 1 dzień. Nauka programowania w Pythonie w 24 godziny od A do Z
-
To książka przeznaczona dla osób, które pracują ze zbiorami danych. Jest praktycznym przewodnikiem po koncepcjach algebry liniowej, pomyślanym tak, by ułatwić ich zrozumienie i zastosowanie w użytecznych obliczeniach. Poszczególne zagadnienia przedstawiono za pomocą kodu Pythona, wraz z przykłada...
Praktyczna algebra liniowa dla analityków danych. Od podstawowych koncepcji do użytecznych aplikacji w Pythonie Praktyczna algebra liniowa dla analityków danych. Od podstawowych koncepcji do użytecznych aplikacji w Pythonie
(50.05 zł najniższa cena z 30 dni)46.20 zł
77.00 zł(-40%) -
To trzecie, zaktualizowane i uzupełnione wydanie bestsellerowego podręcznika programowania w Pythonie. Naukę rozpoczniesz od podstawowych koncepcji programowania. Poznasz takie pojęcia jak zmienne, listy, klasy i pętle, a następnie utrwalisz je dzięki praktycznym ćwiczeniom. Dowiesz się, jak zape...(77.35 zł najniższa cena z 30 dni)
71.40 zł
119.00 zł(-40%) -
Agile i Scrum, Scrum i Agile. Opanowawszy branżę IT, powoli, ale konsekwentnie, zdobywają inne biznesowe przyczółki i rozgaszczają się w firmach na dobre… Albo niedobre, gdy budzą niezrozumienie, protesty, a czasem nawet chęć ucieczki! Agile i Scrum brzmią tak nowocześnie, w teorii świetnie...(25.93 zł najniższa cena z 30 dni)
23.94 zł
39.90 zł(-40%) -
Dzięki temu praktycznemu podręcznikowi zrozumiesz, kiedy i dlaczego warto zastosować myślenie funkcyjne, a także jak korzystać z technik funkcyjnych w różnych scenariuszach. Dowiesz się również, jakie narzędzia i biblioteki przeznaczone do tego celu są dostępne w Pythonie i jak używać wyrażeń gen...
Programowanie funkcyjne w Pythonie. Jak pisać zwięzły, wydajny i ekspresywny kod. Wydanie III Programowanie funkcyjne w Pythonie. Jak pisać zwięzły, wydajny i ekspresywny kod. Wydanie III
(57.85 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
Instagram. Medium społecznościowe, które jest z nami już od kilkunastu lat, właśnie przeżywa boom. W rytmie, w jakim zamiera Facebook, Instagram rośnie, docierając do coraz większej liczby osób. Prosty, fotograficzny lub filmowy przekaz okraszony kilkoma słowami komentarza, oczywiście hashtagami ...
Magia Instagrama. Jak zdobyć milionowe zasięgi w 90 dni Magia Instagrama. Jak zdobyć milionowe zasięgi w 90 dni
(38.35 zł najniższa cena z 30 dni)35.40 zł
59.00 zł(-40%) -
Wiesz, czym jest TikTok? Jeśli nie, to szybko uruchom swój smartfon, ściągnij na niego tę aplikację i zacznij z niej korzystać, ponieważ - to pewne - Twoi klienci już tam są! Główną funkcjonalnością TikToka jest możliwość nagrywania i rozpowszechniania za jego pośrednictwem krótkich materiałów wi...
Skuteczny marketing na TikToku. Jak zdobyć miliony wyświetleń i tysiące obserwatorów w miesiąc (albo szybciej) Skuteczny marketing na TikToku. Jak zdobyć miliony wyświetleń i tysiące obserwatorów w miesiąc (albo szybciej)
(38.35 zł najniższa cena z 30 dni)35.40 zł
59.00 zł(-40%) -
To kompleksowy podręcznik do nauki programowania w Pythonie. Jego piąte wydanie zostało gruntownie zaktualizowane i rozbudowane o dodatkowe treści. Omówiono tu najnowsze wersje Pythona w liniach 3.X i 2.X, czyli 3.3 i 2.7, i dodano opisy nowych lub rozszerzonych mechanizmów, takich jak obsługa fo...(129.35 zł najniższa cena z 30 dni)
119.40 zł
199.00 zł(-40%)
O autorach ebooka
Matthew Russell jest liderem technicznym. Wychowuje liderów i buduje zespoły, które rozwiązują trudne problemy. Pochodzi ze stanu Tennessee.
Dr Mikhail Klassen jest głównym inżynierem danych w startupie Paladin AI. Pasjonat sztucznej inteligencji i nowych rozwiązań w dziedzinie nauki o danych. Stosuje w praktyce techniki eksploracji danych i uczenia maszynowego.
Matthew A. Russell, Mikhail Klassen - pozostałe książki
-
Mine the rich data tucked away in popular social websites such as Twitter, Facebook, LinkedIn, and Instagram. With the third edition of this popular guide, data scientists, analysts, and programmers will learn how to glean insights from social media—including who’s connecting with who...
Mining the Social Web. Data Mining Facebook, Twitter, LinkedIn, Instagram, GitHub, and More. 3rd Edition Mining the Social Web. Data Mining Facebook, Twitter, LinkedIn, Instagram, GitHub, and More. 3rd Edition
(152.15 zł najniższa cena z 30 dni)160.65 zł
189.00 zł(-15%) -
If your web application’s success depends on how quickly and easily users can make transactions, PayPal APIs provide effective solutions you can’t afford to overlook. This concise book takes you hands-on through several options to help you determine the best choice for your situation,...(92.65 zł najniższa cena z 30 dni)
92.65 zł
109.00 zł(-15%) -
Millions of public Twitter streams harbor a wealth of data, and once you mine them, you can gain some valuable insights. This short and concise book offers a collection of recipes to help you extract nuggets of Twitter information using easy-to-learn Python tools. Each recipe offers a discussion ...
21 Recipes for Mining Twitter. Distilling Rich Information from Messy Data 21 Recipes for Mining Twitter. Distilling Rich Information from Messy Data
(59.42 zł najniższa cena z 30 dni)63.74 zł
74.99 zł(-15%) -
Of all the Ajax-specific frameworks that have popped up in recent years, one clearly stands out as the industrial strength solution. Dojo is not just another JavaScript toolkit—it's the JavaScript toolkit—and Dojo: The Definitive Guide demonstrates how to tame Dojo's extensive library...(118.15 zł najniższa cena z 30 dni)
118.15 zł
139.00 zł(-15%)
Ebooka "Data Mining. Eksploracja danych w sieciach społecznościowych. Wydanie III" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Data Mining. Eksploracja danych w sieciach społecznościowych. Wydanie III" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Data Mining. Eksploracja danych w sieciach społecznościowych. Wydanie III" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- Tytuł oryginału:
- Mining the Social Web: Data Mining Facebook, Twitter, LinkedIn, Google+, GitHub, and More, 3rd Edition
- Tłumaczenie:
- Radosław Meryk
- ISBN Książki drukowanej:
- 978-83-283-5554-5, 9788328355545
- Data wydania książki drukowanej:
- 2019-10-15
- ISBN Ebooka:
- 978-83-283-5555-2, 9788328355552
- Data wydania ebooka:
- 2019-10-15 Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Format:
- 168x237
- Numer z katalogu:
- 93910
- Rozmiar pliku Pdf:
- 9.0MB
- Rozmiar pliku ePub:
- 8.4MB
- Rozmiar pliku Mobi:
- 18.4MB
- Pobierz przykładowy rozdział PDF
- Przykłady na ftp
Ebook zawiera materiały dodatkowe, które możesz pobrać z serwera FTP - link znajdziesz na stronie redakcyjnej.
Spis treści ebooka
- 1.1. Przegląd 27
- 1.2. Dlaczego Twitter to jest "to"? 28
- 1.3. Odkrywanie API Twittera 30
- 1.3.1. Podstawowa terminologia związana z Twitterem 30
- 1.3.2. Tworzenie połączenia z API Twittera 33
- 1.3.3. Odkrywanie trendów 36
- 1.3.4. Wyszukiwanie tweetów 40
- 1.4. Analiza 140 (lub więcej) znaków 46
- 1.4.1. Wyodrębnianie podmiotów z tweetów 47
- 1.4.2. Analizowanie tweetów i występujących w nich podmiotów z wykorzystaniem analizy częstości 49
- 1.4.3. Obliczanie różnorodności leksykalnej tweetów 51
- 1.4.4. Badanie wzorców w retweetach 53
- 1.4.5. Wizualizacja danych częstości za pomocą histogramów 55
- 1.5. Uwagi końcowe 59
- 1.6. Zalecane ćwiczenia 60
- 1.7. Zasoby online 61
- 2.1. Przegląd 64
- 2.2. Interfejs API Graph Facebooka 64
- 2.2.1. Wprowadzenie do API Graph 66
- 2.2.2. Protokół Open Graph 70
- 2.3. Analiza połączeń grafu społecznościowego 75
- 2.3.1. Analizowanie stron Facebooka 78
- 2.3.2. Manipulowanie danymi z wykorzystaniem pakietu pandas 88
- 2.4. Uwagi końcowe 95
- 2.5. Zalecane ćwiczenia 96
- 2.6. Zasoby online 96
- 3.1. Przegląd 100
- 3.2. Poznawanie API Instagrama 101
- 3.2.1. Tworzenie żądań do API Instagrama 101
- 3.2.2. Odczytywanie własnego kanału na Instagramie 103
- 3.2.3. Pobieranie medium według hashtagu 105
- 3.3. Anatomia posta na Instagramie 105
- 3.4. Szybki kurs na temat sztucznych sieci neuronowych 108
- 3.4.1. Trening sieci neuronowej pod kątem "oglądania" zdjęć 109
- 3.4.2. Rozpoznawanie cyfr pisanych odręcznie 111
- 3.4.3. Rozpoznawanie obiektów na zdjęciach przy użyciu wstępnie przeszkolonych sieci neuronowych 116
- 3.5. Wykorzystanie sieci neuronowych do postów na Instagramie 119
- 3.5.1. Oznaczanie zawartości obrazu 119
- 3.5.2. Wykrywanie twarzy na zdjęciach 121
- 3.6. Uwagi końcowe 122
- 3.7. Zalecane ćwiczenia 123
- 3.8. Zasoby online 124
- 4.1. Przegląd 128
- 4.2. Poznawanie API LinkedIna 128
- 4.2.1. Tworzenie żądań do API LinkedIn 129
- 4.2.2. Pobieranie połączeń LinkedIn w pliku CSV 132
- 4.3. Krótki kurs grupowania danych 132
- 4.3.1. Normalizacja danych w celu umożliwienia analizy 135
- 4.3.2. Mierzenie podobieństwa 145
- 4.3.3. Algorytmy klasteryzacji 147
- 4.4. Uwagi końcowe 161
- 4.5. Zalecane ćwiczenia 161
- 4.6. Zasoby online 162
- 5.1. Przegląd 164
- 5.2. Pliki tekstowe 164
- 5.3. Wprowadzenie do TF-IDF 166
- 5.3.1. Częstość terminu 166
- 5.3.2. Odwrotna częstość dokumentu 168
- 5.3.3. TF-IDF 169
- 5.4. Odpytywanie danych w języku naturalnym za pomocą TF-IDF 172
- 5.4.1. Natural Language Toolkit - wprowadzenie 172
- 5.4.2. Zastosowanie współczynnika TF-IDF do języka naturalnego 176
- 5.4.3. Wyszukiwanie podobnych dokumentów 177
- 5.4.4. Analiza bigramów w języku naturalnym 184
- 5.4.5. Refleksje na temat analizy danych języka naturalnego 193
- 5.5. Uwagi końcowe 194
- 5.6. Zalecane ćwiczenia 195
- 5.7. Zasoby online 195
- 6.1. Przegląd 198
- 6.2. Scraping, parsowanie i crawling stron internetowych 199
- 6.2.1. Przeszukiwanie wszerz w crawlingu stron internetowych 202
- 6.3. Odkrywanie semantyki przez dekodowanie składni 205
- 6.3.1. Przetwarzanie języka naturalnego krok po kroku 207
- 6.3.2. Wykrywanie zdań w danych w języku naturalnym 210
- 6.3.3. Tworzenie streszczeń dokumentów 214
- 6.4. Zmiana paradygmatu. Analiza obiektów 222
- 6.4.1. Podsumowania danych w języku naturalnym 226
- 6.5. Jakość analiz do przetwarzania danych w języku naturalnym 230
- 6.6. Uwagi końcowe 234
- 6.7. Zalecane ćwiczenia 234
- 6.8. Zasoby online 235
- 7.1. Przegląd 238
- 7.2. Uzyskiwanie i przetwarzanie korpusu danych pocztowych 239
- 7.2.1. Uniksowe skrzynki pocztowe 239
- 7.2.2. Pobieranie danych Enron 243
- 7.2.3. Konwersja korpusu poczty na uniksowy format mbox 245
- 7.2.4. Konwertowanie uniksowych skrzynek pocztowych na obiekty DataFrame biblioteki pandas 247
- 7.3. Analiza korpusu Enron 249
- 7.3.1. Zapytania według zakresu dat (godzin) 250
- 7.3.2. Analiza wzorców w komunikacji nadawca-odbiorca 253
- 7.3.3. Wyszukiwanie wiadomości e-mail według słów kluczowych 257
- 7.4. Analiza własnych danych pocztowych 258
- 7.4.1. Dostęp do Twojej skrzynki Gmail za pomocą OAuth 260
- 7.4.2. Pobieranie i parsowanie wiadomości e-mail 262
- 7.4.3. Wizualizacja wzorców w e-mailu za pomocą frameworka Immersion 264
- 7.5. Uwagi końcowe 265
- 7.6. Zalecane ćwiczenia 265
- 7.7. Zasoby online 266
- 8.1. Przegląd 270
- 8.2. Odkrywanie API GitHuba 270
- 8.2.1. Tworzenie połączenia do API serwisu GitHub 272
- 8.2.2. Tworzenie żądań do API GitHuba 275
- 8.3. Modelowanie danych za pomocą grafów właściwości 277
- 8.4. Analiza grafów zainteresowań serwisu GitHub 280
- 8.4.1. "Wysiewanie" grafu zainteresowań 281
- 8.4.2. Obliczanie miar centralności grafu 284
- 8.4.3. Rozszerzanie grafu zainteresowań z wykorzystaniem krawędzi "śledzi" dla użytkowników 287
- 8.4.4. Używanie węzłów jako punktów przestawnych w celu tworzenia bardziej wydajnych zapytań 296
- 8.4.5. Wizualizacja grafów zainteresowań 301
- 8.5. Uwagi końcowe 303
- 8.6. Zalecane ćwiczenia 304
- 8.7. Zasoby online 305
- 9.1. Dostęp do interfejsu API Twittera dla celów programistycznych 310
- 9.2. Wykorzystanie OAuth w celu uzyskania dostępu do interfejsu API Twittera dla aplikacji produkcyjnych 311
- 9.3. Odkrywanie trendów 315
- 9.4. Wyszukiwanie tweetów 316
- 9.5. Konstruowanie wygodnych wywołań funkcji 318
- 9.6 Zapisywanie i przywracanie danych JSON z wykorzystaniem plików tekstowych 319
- 9.7. Zapisywanie danych JSON i uzyskiwanie dostępu do nich za pomocą MongoDB 320
- 9.8. Pobieranie próbek z mechanizmu firehose Twittera za pomocą API Streaming 323
- 9.9. Pobieranie danych szeregów czasowych 324
- 9.10. Wyodrębnianie podmiotów z tweetów 326
- 9.11. Znajdowanie najpopularniejszych tweetów w kolekcji 327
- 9.12. Znajdowanie najpopularniejszych obiektów w kolekcji tweetów 329
- 9.13. Tabularyzacja analizy częstości 330
- 9.14. Znajdowanie użytkowników, którzy retweetowali status 331
- 9.15. Wyodrębnianie przypisania retweeta 333
- 9.16. Wykonywanie odpornych na błędy żądań do Twittera 334
- 9.17. Pobieranie informacji o profilu użytkownika 337
- 9.18. Wyodrębnianie podmiotów tweeta z dowolnego tekstu 338
- 9.19. Pobieranie wszystkich znajomych lub obserwatorów użytkownika 339
- 9.20. Analiza znajomych i obserwatorów użytkownika 341
- 9.21. Zbieranie tweetów użytkownika 342
- 9.22. Crawling grafu znajomości 344
- 9.23. Analiza treści tweetów 346
- 9.24. Tworzenie streszczeń celów łączy 347
- 9.25. Analizowanie ulubionych tweetów użytkownika 350
- 9.26. Uwagi końcowe 352
- 9.27. Zalecane ćwiczenia 352
- 9.28. Zasoby online 353
Przedmowa 11
CZĘŚĆ I. PRZEWODNIK PO SIECIACH SPOŁECZNOŚCIOWYCH
Wstęp 25
1. Eksploracja Twittera: odkrywanie trendów, dowiadywanie się, o czym się rozmawia, i trochę więcej 27
2. Eksploracja Facebooka: analizowanie fanpage'y, znajomości i więcej 63
3. Eksploracja Instagrama: komputerowy wzrok, sieci neuronowe, rozpoznawanie obiektów i wykrywanie twarzy 99
4. Eksploracja sieci LinkedIn: stanowiska, współpracownicy i nie tylko 127
5. Eksploracja danych z plików tekstowych: obliczanie podobieństwa dokumentów, wyodrębnianie kolokacji i inne 163
6. Eksploracja stron internetowych: przetwarzanie języka naturalnego w celu zrozumienia języka ludzkiego, tworzenie podsumowań postów na blogu i inne 197
7. Eksploracja skrzynek pocztowych: analiza, kto rozmawia z kim, o czym, jak często i nie tylko 237
8. Eksploracja serwisu GitHub: badanie nawyków podczas współtworzenia oprogramowania, tworzenie grafów zainteresowań i nie tylko 269
CZĘŚĆ II. TWITTER. RECEPTURY
9. Twitter. Receptury 309
CZĘŚĆ III. ZAŁĄCZNIKI
A. Informacje o maszynie wirtualnej przeznaczonej dla tej książki 357
B. Elementarz OAuth 359
C. Porady i wskazówki na temat Pythona i środowiska Jupyter Notebook 363
Skorowidz 365
Oceny i opinie klientów: Data Mining. Eksploracja danych w sieciach społecznościowych. Wydanie III Matthew A. Russell, Mikhail Klassen (2) Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.
(1)
(0)
(0)
(1)
(0)
(0)
więcej opinii