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

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

• Superinteligencja. Scenariusze, strategie, zagro 69,00 zł, (20,70 zł -70%)
• Getting Things Programmed. Droga do efektywności 34,90 zł, (10,47 zł -70%)
• Poradnik design thinking - czyli jak wykorzysta 49,90 zł, (14,97 zł -70%)
• F# 4.0 dla zaawansowanych. Wydanie IV 96,45 zł, (29,90 zł -69%)
• Systemy reaktywne. Wzorce projektowe i ich stosowanie 65,31 zł, (20,90 zł -68%)

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