ODBIERZ TWÓJ BONUS :: »

Data science od podstaw. Analiza danych w Pythonie Joel Grus

Autor:
Joel Grus
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
3.4/6  Opinie: 11
Stron:
296
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
37,05 zł 57,00 zł (-35%)
34,20 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
34,20 zł 57,00 zł (-40%)
28,50 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Sprawdź nowe wydanie

Data science od podstaw. Analiza danych w Pythonie. Wydanie II
Joel Grus
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 waż...

Czego się nauczysz?

  • Programowania w Pythonie z wykorzystaniem podstawowych i zaawansowanych struktur danych
  • Wizualizowania danych przy użyciu biblioteki matplotlib
  • Stosowania podstaw algebry liniowej i operacji na wektorach oraz macierzach
  • Analizowania zbiorów danych z wykorzystaniem statystyki opisowej i miar korelacji
  • Obliczania prawdopodobieństwa, stosowania twierdzenia Bayesa i rozkładów statystycznych
  • Testowania hipotez statystycznych i interpretacji wartości p
  • Implementowania metody gradientu prostego do optymalizacji modeli
  • Pozyskiwania i wczytywania danych z plików, stron internetowych oraz API
  • Eksplorowania, oczyszczania i przetwarzania danych, w tym redukcji wymiarowości
  • Budowania i oceny modeli uczenia maszynowego, takich jak k najbliższych sąsiadów, regresja liniowa i logistyczna
  • Tworzenia i testowania naiwnych klasyfikatorów bayesowskich oraz drzew decyzyjnych
  • Implementowania sztucznych sieci neuronowych i stosowania propagacji wstecznej
  • Grupowania danych z wykorzystaniem algorytmów klastrowania, w tym k-średnich i hierarchicznego
  • Przetwarzania języka naturalnego, budowania modeli n-gram i chmur wyrazowych
  • Analizowania sieci społecznościowych oraz stosowania algorytmu PageRank
  • Tworzenia systemów rekomendujących i filtrowania kolaboratywnego
  • Pracy z bazami danych SQL i NoSQL, optymalizacji zapytań oraz łączenia danych
  • Wykorzystywania algorytmu MapReduce do przetwarzania dużych zbiorów danych
  • Korzystania z narzędzi takich jak NumPy, pandas i scikit-learn w praktyce data science

Współczesne ogromne zbiory danych zawierają odpowiedzi na prawie każde pytanie. Równocześnie nauka o danych jest dziedziną, która cokolwiek onieśmiela. Znajduje się gdzieś pomiędzy subtelnymi umiejętnościami hakerskimi, twardą wiedzą z matematyki i statystyki a merytoryczną znajomością zagadnień z danej branży. Co więcej, dziedzina ta niezwykle dynamicznie się rozwija. Trud włożony w naukę o danych niewątpliwie się jednak opłaca: biegły analityk danych może liczyć na dobrze płatną, inspirującą i bardzo atrakcyjną pracę.

Dzięki tej książce opanujesz najważniejsze zagadnienia związane z matematyką i statystyką, będziesz także rozwijać umiejętności hakerskie. W ten sposób zyskasz podstawy pozwalające na rozpoczęcie przygody z analizą danych. Gruntownie zapoznasz się z potrzebnymi narzędziami i algorytmami. Pozwoli Ci to lepiej zrozumieć ich działanie. Poszczególne przykłady, którymi zilustrowano omawiane zagadnienia, są przejrzyste, dobrze opisane i zrozumiałe. Podczas lektury książki poznasz biblioteki, które umożliwią zaimplementowanie omówionych technik podczas analizy dużych zbiorów danych. Szybko się przekonasz, że aby zostać analitykiem danych, wystarczy odrobina ciekawości, sporo chęci, mnóstwo ciężkiej pracy i... ta książka.

Najważniejsze zagadnienia:

  • Praktyczne wprowadzenie do Pythona
  • Podstawy algebry liniowej, statystyki i rachunku prawdopodobieństwa w analizie danych
  • Podstawy uczenia maszynowego
  • Implementacje algorytmów modeli, w tym naiwny klasyfikator bayesowski, regresja liniowa, regresja logistyczna, drzewa decyzyjne, sieci neuronowe i grupowanie, MapReduce
  • Systemy rekomendacji i mechanizmy przetwarzania języka naturalnego
  • Korzystanie z mediów społecznościowych i baz danych.

Python. Wyciśniesz z danych każdą kroplę wiedzy!

W marcu jak w zaczytanym garncu!  Ebooki -40%, książki -35%

Wybrane bestsellery

O autorze książki

Joel Grus jest inżynierem oprogramowania, analitykiem danych i autorem świetnie sprzedających się książek. Obecnie zajmuje się pracą badawczą w Allen Institute for Artificial Intelligence w Seattle. Wcześniej był zatrudniony w firmie Google i kilku startupach. Mieszka w Seattle, gdzie regularnie uczestniczy w spotkaniach lokalnej społeczności analityków danych. Regularnie publikuje posty na swoim blogu (joelgrus.com) i koncie @joelgrus w serwisie Twitter (https://twitter.com/joelgrus/).

Zobacz pozostałe książki z serii

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy muszę znać Pythona, aby skorzystać z tej książki?
Nie, książka zawiera rozdział wprowadzający do Pythona, dzięki czemu nawet osoby bez wcześniejszego doświadczenia z tym językiem mogą rozpocząć naukę analizy danych.
2. Jakie zagadnienia matematyczne są omawiane w książce?
Książka wyjaśnia podstawy algebry liniowej, statystyki i rachunku prawdopodobieństwa, skupiając się na praktycznym zastosowaniu tych dziedzin w analizie danych.
3. Czy znajdę w książce przykłady praktyczne i ćwiczenia?
Tak, każdy rozdział zawiera liczne przykłady kodu i praktyczne zadania, które pomagają zrozumieć i utrwalić omawiane koncepcje.
4. Jakie narzędzia i biblioteki Python są wykorzystywane w książce?
Autor omawia i wykorzystuje popularne biblioteki, takie jak NumPy, pandas, matplotlib oraz scikit-learn, pokazując ich zastosowanie w analizie danych.
5. Czy książka nadaje się do samodzielnej nauki analizy danych?
Tak, książka została napisana z myślą o osobach uczących się samodzielnie - prezentuje zagadnienia krok po kroku, od podstaw do bardziej zaawansowanych tematów.
6. Czy do książki dołączone są dodatkowe materiały lub pliki do pobrania?
Tak, w książce znajduje się informacja o dodatkowych materiałach dostępnych do pobrania, które wspierają naukę i umożliwiają praktyczne ćwiczenia.
7. Czy książka obejmuje zagadnienia związane z uczeniem maszynowym?
Tak, w książce znajdziesz rozdziały poświęcone podstawom uczenia maszynowego, w tym implementacji popularnych algorytmów, takich jak regresja, drzewa decyzyjne czy sieci neuronowe.
8. Jak mogę wykorzystać wiedzę z książki w praktyce zawodowej?
Umiejętności zdobyte dzięki tej książce pozwolą Ci analizować i interpretować duże zbiory danych, budować modele predykcyjne oraz korzystać z narzędzi wykorzystywanych w pracy analityka danych i data scientista.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Książka
37,05 zł
Dodaj do koszyka
Ebook
34,20 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności dawny BNP Paribas Bank Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności Inteligo Ikona płatności iPKO Ikona płatności mBank Ikona płatności Nest Bank Ikona płatności Paypal Ikona płatności PayPo | PayU Płacę później Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Citi Handlowy Ikona płatności Płacę z Getin Bank Ikona płatności Płacę z Millennium Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile