reklama - zainteresowany?

Poznaj Data Science. Przekszta - Helion

Poznaj Data Science. Przekszta
ebook
Autor: Deborah Nolan, Joseph Gonzalez, Sam Lau
ISBN: 9788375415636
stron: 634, Format: ebook
Data wydania: 2024-12-13
Księgarnia: Helion

Cena książki: 113,40 zł (poprzednio: 124,62 zł)
Oszczędzasz: 9% (-11,22 zł)

Dodaj do koszyka Poznaj Data Science. Przekszta

Tagi: Inne - Programowanie | Python - Programowanie | Sztuczna inteligencja

Jako ambitny Data Scientist, czyli danetyk, rozumiesz, dlaczego organizacje polegaj

Dodaj do koszyka Poznaj Data Science. Przekszta

 

Osoby które kupowały "Poznaj Data Science. Przekszta", wybierały także:

  • Superinteligencja. Scenariusze, strategie, zagro
  • Getting Things Programmed. Droga do efektywności
  • Poradnik design thinking - czyli jak wykorzysta
  • F# 4.0 dla zaawansowanych. Wydanie IV
  • Systemy reaktywne. Wzorce projektowe i ich stosowanie

Dodaj do koszyka Poznaj Data Science. Przekszta

Spis treści

Poznaj Data Science. Przekształcanie, eksplorowanie, wizualizacja i modelowanie danych w Pythonie eBook -- spis treści

  • Danetyczny cykl życia
    • Etapy cyklu życia
    • Przykłady cyklu życia
    • Podsumowanie
  • Pytania i zakres danych
    • Big Data i nowe możliwości
    • Populacja docelowa, zbiór dostępny i próba
    • Przyrządy i protokoły
    • Mierzenie zjawiska naturalnego
    • Dokładność
    • Podsumowanie
  • Symulacja i projekt danych
    • Model urnowy
    • Przykład: symulowanie obciążenia systematycznego i wariancji sondażu wyborczego
    • Przykład: symulacja randomizowanego badania klinicznego szczepionki
    • Przykład: pomiary jakości powietrza
    • Podsumowanie
  • Modelowanie przy użyciu statystyk podsumowujących
    • Model stałej
    • Minimalizacja straty
    • Podsumowanie
  • Studium przypadku: dlaczego mój autobus zawsze się spóźnia?
    • Pytanie i zakres
    • Przetwarzanie danych
    • Eksplorowanie czasów autobusów
    • Modelowanie czasów oczekiwania
    • Podsumowanie
  • Praca z ramkami danych przy użyciu pandas
    • Operacje na podzbiorach
    • Agregacje
    • Złączenia
    • Przekształcanie
    • Czym różnią się ramki danych od innych reprezentacji danych?
    • Podsumowanie
  • Praca z relacjami przy użyciu SQL
    • Operacje na podzbiorach
    • Agregacje
    • Złączenia
    • Przekształcanie i wyrażenia CTE
    • Podsumowanie
  • Przekształcanie plików
    • Przykładowe źródła danych
    • Formaty plików
    • Kodowanie plików
    • Rozmiar pliku
    • Powłoka i narzędzia wiersza poleceń
    • Kształt i ziarnistość tabeli
    • Podsumowanie
  • Przekształcanie ramek danych
    • Testy jakości
    • Brakujące wartości i rekordy
    • Transformacje i znaczniki czasu
    • Modyfikowanie struktury
    • Przykład: przekształcanie naruszeń bezpieczeństwa restauracji
    • Podsumowanie
  • Eksploracyjna analiza danych
    • Typy cech
    • Czego szukać w rozkładzie
    • Czego szukać w zależności
    • Porównania w sytuacjach wielu zmiennych
    • Wytyczne dotyczące eksploracji
    • Przykład: ceny sprzedaży domów
    • Podsumowanie
  • Wizualizacja danych
    • Wybór skali, aby ujawnić strukturę
    • Wygładzanie i agregowanie danych
    • Ułatwianie znaczących porównań
    • Wykorzystanie projektu danych
    • Dodawanie kontekstu
    • Tworzenie wykresów przy użyciu plotly
    • Inne narzędzia do wizualizacji
    • Podsumowanie
  • Studium przypadku: jak dokładne są pomiary jakości powietrza?
    • Pytanie, projekt i zakres
    • Znajdowanie kolokowanych czujników
    • Przekształcanie i oczyszczanie danych czujnika AQS
    • Przekształcanie danych czujnika PurpleAir
    • Eksplorowanie pomiarów PurpleAir i AQS
    • Tworzenie modelu do korygowania pomiarów PurpleAir
    • Podsumowanie
  • Praca z tekstem
    • Przykłady tekstu i zadań
    • Manipulacja ciągami znaków
    • Wyrażenia regularne
    • Analiza tekstu
    • Podsumowanie
  • Wymiana danych
    • Dane NetCDF
    • Dane JSON
    • HTTP
    • REST
    • XML, HTML i XPath
    • Podsumowanie
  • Modele liniowe
    • Prosty model liniowy
    • Przykład: prosty model liniowy dotyczący jakości powietrza
    • Dopasowywanie prostego modelu liniowego
    • Wielowymiarowy model liniowy
    • Dopasowywanie wielowymiarowego modelu liniowego
    • Przykład: gdzie leży kraina możliwości?
    • Inżynieria cech w przypadku pomiarów liczbowych
    • Inżynieria cech w przypadku pomiarów kategorialnych
    • Podsumowanie
  • Wybór modelu
    • Nadmierne dopasowanie
    • Podział na zbiór uczący i testowy
    • Walidacja krzyżowa
    • Regularyzacja
    • Obciążenie systematyczne i wariancja modelu
    • Podsumowanie
  • Teoria wnioskowania i prognozowania
    • Rozkład: populacja, dane empiryczne, próbkowanie
    • Podstawy testowania hipotez
    • Stosowanie metody bootstrap do wnioskowania
    • Podstawy przedziałów ufności
    • Podstawy przedziałów prognoz
    • Prawdopodobieństwo wnioskowania i prognozowania
    • Podsumowanie
  • Studium przypadku: jak zważyć osła
    • Pytanie i zakres badania dotyczącego osłów
    • Przekształcanie i transformacje
    • Eksploracja
    • Modelowanie ciężaru osła
    • Podsumowanie
  • Klasyfikacja
    • Przykład: drzewa zniszczone przez wiatr
    • Modelowanie i klasyfikacja
    • Modelowanie proporcji (i prawdopodobieństw)
    • Funkcja straty dla modelu logistycznego
    • Od prawdopodobieństw do klasyfikacji
    • Podsumowanie
  • Optymalizacja numeryczna
    • Podstawy metody spadku gradientu
    • Minimalizacja straty Hubera
    • Wypukłe i różniczkowalne funkcje straty
    • Warianty spadku gradientu
    • Podsumowanie
  • Studium przypadku: wykrywanie fałszywych wiadomości
    • Pytanie i zakres
    • Pozyskiwanie i przekształcanie danych
    • Eksploracja danych
    • Modelowanie
    • Podsumowanie

Dodaj do koszyka Poznaj Data Science. Przekszta

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2025 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.