reklama - zainteresowany?

Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III - Helion

Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III

MIEJSCE 12 na liście TOP 20
Autor: Avinash Navlani, Armando Fandango, Ivan Idris
Tytuł oryginału: Python Data Analysis: Perform data collection, data processing, wrangling, visualization, and model building using Python, 3rd Edition
Tłumaczenie: Krzysztof Sawka
ISBN: 978-83-283-8360-9
stron: 384, Format: 168x237, okładka: mi
Data wydania: 2022-04-01
Księgarnia: Helion

Cena książki: 62,30 zł (poprzednio: 89,00 zł)
Oszczędzasz: 30% (-26,70 zł)

Dodaj do koszyka Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III

Tagi: Python - Programowanie

Analiza danych sprawia,

Dodaj do koszyka Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III

 

Osoby które kupowały "Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III", wybierały także:

  • Flask. Kurs video. Od pierwszej linijki kodu do praktycznego zastosowania
  • Python. Kurs video. Programowanie asynchroniczne
  • Algorytmy i struktury danych. Kurs video. Java, JavaScript, Python
  • Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych
  • Python dla dzieci i mÅ‚odzieży. Kurs video. Jak uczyć siÄ™ programowania - pierwsze kroki

Dodaj do koszyka Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III

Spis treści

Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III -- spis tre¶ci

Wspó³autorzy

Wstêp

Czê¶æ I. Podstawy analizy danych

  • Rozdzia³ 1. Wprowadzenie do bibliotek Pythona
    • Wyja¶nienie pojêcia "analiza danych"
    • Standardowy proces analizy danych
    • Proces KDD
    • Proces SEMMA
    • Proces CRISP-DM
    • Analiza danych a danetyka
    • Umiejêtno¶ci analityka danych oraz danetyka
    • Instalacja ¶rodowiska Python 3
    • Oprogramowanie u¿ywane w tej ksi±¿ce
    • U¿ywanie aplikacji IPython jako pow³oki
    • Korzystanie z aplikacji JupyterLab
    • Stosowanie aplikacji Jupyter Notebook
    • Zaawansowane funkcje aplikacji Jupyter Notebook
    • Podsumowanie
  • Rozdzia³ 2. Biblioteki NumPy i pandas
    • Wymogi techniczne
    • Tablice NumPy
    • Numeryczne typy danych tablic NumPy
    • Manipulowanie wymiarami tablic
    • £±czenie tablic NumPy
    • Rozdzielanie tablic NumPy
    • Zmiana typu danych tablic NumPy
    • Tworzenie widoków i kopii NumPy
    • Fragmentowanie tablic NumPy
    • Indeksowanie logiczne i indeksowanie specjalne
    • Rozg³aszanie tablic
    • Tworzenie obiektów DataFrame biblioteki pandas
    • Obiekt Series biblioteki pandas
    • Odczytywanie i kwerendowanie danych Quandl
    • Opisywanie obiektów DataFrame
    • Grupowanie i z³±czanie obiektów DataFrame
    • Praca z brakuj±cymi danymi
    • Tworzenie tabel przestawnych
    • Rozwi±zywanie kwestii dat
    • Podsumowanie
    • Bibliografia
  • Rozdzia³ 3. Statystyka
    • Wymogi techniczne
    • Atrybuty i ich typy
    • Pomiar tendencji centralnej
    • Pomiar dyspersji
    • Sko¶no¶æ i kurtoza
    • Okre¶lanie zwi±zków za pomoc± wspó³czynników kowariancji i korelacji
    • Centralne twierdzenie graniczne
    • Pozyskiwanie prób
    • Przeprowadzanie testów parametrycznych
    • Przeprowadzanie testów nieparametrycznych
    • Podsumowanie
  • Rozdzia³ 4. Algebra liniowa
    • Wymogi techniczne
    • Dopasowywanie do wielomianów za pomoc± biblioteki NumPy
    • Wyznacznik macierzy
    • Okre¶lanie rzêdu macierzy
    • Macierz odwrotna w bibliotece NumPy
    • Rozwi±zywanie równañ liniowych za pomoc± biblioteki NumPy
    • Rozk³ad macierzy za pomoc± SVD
    • Warto¶ci w³asne i wektory w³asne w bibliotece NumPy
    • Generowanie liczb losowych
    • Rozk³ad dwumianowy
    • Rozk³ad normalny
    • Testowanie normalno¶ci rozk³adu danych za pomoc± biblioteki SciPy
    • Tworzenie tablicy maskowanej za pomoc± podpakietu numpy.ma
    • Podsumowanie

Czê¶æ II. Eksploracyjna analiza danych i oczyszczanie danych

  • Rozdzia³ 5. Wizualizacja danych
    • Wymogi techniczne
    • Wizualizacja za pomoc± pakietu Matplotlib
    • Zaawansowana wizualizacja za pomoc± pakietu seaborn
    • Wizualizacja interaktywna za pomoc± biblioteki Bokeh
    • Podsumowanie
  • Rozdzia³ 6. Pozyskiwanie, przetwarzanie i przechowywanie danych
    • Wymogi techniczne
    • Odczyt i zapis plików CSV za pomoc± biblioteki NumPy
    • Odczyt i zapis plików CSV za pomoc± biblioteki pandas
    • Odczyt i zapis plików arkusza kalkulacyjnego Excel
    • Odczyt i zapis plików JSON
    • Odczyt i zapis plików HDF5
    • Odczyt i zapis danych z tabel HTML-a
    • Odczyt i zapis plików Parquet
    • Odczyt i zapis danych z obiektu pickle
    • £atwy dostêp do danych za pomoc± modu³u sqlite3
    • Odczyt i zapis danych w bazie danych MySQL
    • Odczyt i zapis danych w bazie danych MongoDB
    • Odczyt i zapis danych w bazie danych Cassandra
    • Odczyt i zapis danych w bazie danych Redis
    • PonyORM
    • Podsumowanie
  • Rozdzia³ 7. Oczyszczanie nieuporz±dkowanych danych
    • Wymogi techniczne
    • Eksploracja danych
    • Filtrowanie danych w celu pozbycia siê szumu
    • Rozwi±zywanie kwestii brakuj±cych warto¶ci
    • Rozwi±zywanie kwestii elementów odstaj±cych
    • Techniki kodowania cech
    • Skalowanie cech
    • Przekszta³canie cech
    • Rozdzielanie cech
    • Podsumowanie
  • Rozdzia³ 8. Przetwarzanie sygna³ów i szeregi czasowe
    • Wymogi techniczne
    • Modu³ statsmodels
    • ¦rednie krocz±ce
    • Funkcje okna czasowego
    • Kointegracja
    • Rozk³ad STL
    • Autokorelacja
    • Modele autoregresyjne
    • Model ARMA
    • Generowanie sygna³ów okresowych
    • Analiza Fouriera
    • Filtrowanie metod± analizy widmowej
    • Podsumowanie

Czê¶æ III. Dok³adna analiza uczenia maszynowego

  • Rozdzia³ 9. Uczenie nadzorowane: analiza regresyjna
    • Wymogi techniczne
    • Regresja liniowa
    • Wielowspó³liniowo¶æ
    • Zmienne fikcyjne
    • Projektowanie modelu regresji liniowej
    • Ocenianie skuteczno¶ci modelu regresyjnego
    • Dopasowywanie regresji wielomianowej
    • Modele regresji u¿ywane w klasyfikacji
    • Regresja logistyczna
    • Implementacja regresji logistycznej za pomoc± biblioteki scikit-learn
    • Podsumowanie
  • Rozdzia³ 10. Uczenie nadzorowane: techniki klasyfikacji
    • Wymogi techniczne
    • Klasyfikacja
    • Naiwny klasyfikator Bayesa
    • Drzewa decyzyjne
    • Algorytm KNN
    • Maszyny wektorów no¶nych
    • Podzia³ danych na zestawy ucz±cy i testowy
    • Ocena skuteczno¶ci modelu klasyfikacji
    • Krzywa ROC i obszar AUC
    • Podsumowanie
  • Rozdzia³ 11. Uczenie nienadzorowane: PCA i analiza skupieñ
    • Wymogi techniczne
    • Uczenie nienadzorowane
    • Redukowanie wymiarowo¶ci danych
    • Analiza g³ównych sk³adowych
    • Analiza skupieñ
    • Grupowanie danych za pomoc± algorytmu centroidów
    • Hierarchiczna analiza skupieñ
    • Algorytm DBSCAN
    • Widmowa analiza skupieñ
    • Ocenianie jako¶ci analizy skupieñ
    • Podsumowanie

Czê¶æ IV. Przetwarzanie jêzyka naturalnego, analiza obrazów i obliczenia równoleg³e

  • Rozdzia³ 12. Analiza danych tekstowych
    • Wymogi techniczne
    • Instalacja bibliotek NLTK i spaCy
    • Normalizacja tekstu
    • Tokenizacja
    • Usuwanie s³ów nieinformatywnych
    • Rdzeniowanie s³ów i lematyzacja
    • Oznaczanie czê¶ci mowy
    • Rozpoznawanie jednostek nazewniczych
    • Analiza zale¿no¶ci
    • Tworzenie chmury s³ów
    • "Worek s³ów"
    • Metoda TF-IDF
    • Analiza sentymentów za pomoc± klasyfikacji tekstu
    • Podobieñstwo tekstów
    • Podsumowanie
  • Rozdzia³ 13. Analiza obrazów
    • Wymogi techniczne
    • Instalacja biblioteki OpenCV
    • Omówienie danych obrazowych
    • Modele barw
    • Rysowanie na obrazach
    • Pisanie na obrazach
    • Zmiana rozmiaru obrazu
    • Przekszta³cenie izometryczne obrazów
    • Zmiana jasno¶ci
    • Rozmywanie obrazu
    • Wykrywanie twarzy
    • Podsumowanie
  • Rozdzia³ 14. Obliczenia równoleg³e za pomoc± biblioteki Dask
    • Obliczenia równoleg³e za pomoc± biblioteki Dask
    • Typy danych Dask
    • Interfejs Dask Delayed
    • Skalowane wstêpne przetwarzanie danych
    • Skalowane uczenie maszynowe
    • Podsumowanie

Dodaj do koszyka Python i praca z danymi. Przetwarzanie, analiza, modelowanie i wizualizacja. Wydanie III

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2022 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.