ΕΠΙΣΤΗΜΗ ΔΕΔΟΜΕΝΩΝ

Παρουσίαση

Για να μάθετε πραγματικά την επιστήμη δεδομένων, δεν πρέπει απλώς να κυριαρχήσετε στα εργαλεία -βιβλιοθήκες επιστήμης δεδομένων, πλαίσια, μονάδες κώδικα και εργαλειοθήκες-, αλλά επίσης να κατανοήσετε τις ιδέες και τις αρχές που διέπουν τη λειτουργία τους.
Αυτή η δεύτερη έκδοση της Επιστήμης Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python, ενημερωμένη για την Python 3.6, σας δείχνει πώς λειτουργούν αυτά τα εργαλεία και οι αλγόριθμοι εφαρμόζοντάς τα από τα πρώτα βήματα.
Αν έχετε κλίση στα μαθηματικά και ικανότητες προγραμματισμού, ο συγγραφέας Joel Grus θα σας βοηθήσει να αισθανθείτε άνετα με τα μαθηματικά και τη στατιστική που βρίσκονται στον πυρήνα της επιστήμης δεδομένων, καθώς και με τις απαραίτητες γνώσεις "χακαρίσματος" που απαιτούνται για να ξεκινήσετε ως επιστήμονες δεδομένων.
Με νέο υλικό στη βαθιά μάθηση, στη στατιστική και στην επεξεργασία φυσικής γλώσσας, αυτό το ανανεωμένο βιβλίο σάς δείχνει τον τρόπο να βρείτε τα κρυμμένα διαμάντια μέσα στον σημερινό χαώδη κυκεώνα των δεδομένων.
- Πάρτε ένα ταχύρρυθμο μάθημα στην Python
- Μάθετε τις βασικές αρχές της γραμμικής άλγεβρας, της στατιστικής και των πιθανοτήτων - και πώς και πότε χρησιμοποιούνται στην επιστήμη των δεδομένων
- Συλλέξτε, εξερευνήστε, καθαρίστε, μετασχηματίστε και επεξεργαστείτε τα δεδομένα
- "Καταδυθείτε" στις βασικές αρχές της μηχανικής μάθησης
- Υλοποιήστε μοντέλα όπως k-πλησιέστεροι γείτονες, απλοϊκή ταξινόμηση κατά Bayes, γραμμική και λογιστική παλινδρόμηση, δέντρα αποφάσεων, νευρωνικά δίκτυα και ομαδοποίηση
- Εξερευνήστε τα συστήματα συστάσεων, την επεξεργασία φυσικής γλώσσας, την ανάλυση δικτύων, το MapReduce και τις βάσεις δεδομένων (Από την παρουσίαση στο οπισθόφυλλο του βιβλίου)

Περιεχόμενα

Πρόλογος στη δεύτερη έκδοση
Πρόλογος στην πρώτη έκδοση
Πρόλογος του μεταφραστή/επιμελητή
Εισαγωγή
Ένα ταχύρρυθμο μάθημα Python
Οπτικοποίηση δεδομένων
Γραμμική Άλγεβρα
Στατιστική
Πιθανότητες
Υποθέσεις και συμπερασμός
Κάθοδος κλίσης
Αποκτώντας δεδομένα
Εργασία με δεδομένα
Μηχανική μάθηση
k-πλησιέστεροι γείτονες
Απλοϊκή ταξινόμηση κατά Bayes
Απλά γραμμική παλινδρόμηση
Πολλαπλή παλινδρόμησης
Λογιστική παλινδρόμηση
Δέντρα αποφάσεων
Νευρωτικά δίκτυα
Βαθιά μάθηση
Ομαδοποίηση
Επεξεργασία φυσικής γλώσσας
Ανάλυση δικτύων
Συστήματα συστάσεων
Βάσεις δεδομένων και SQL
MapReduce
Ηθική των δεδομένων
Ξεκινήστε να χρησιμοποιείτε την επιστήμη δεδομένων στην πράξη
Ευρετήριο