Facebook - konwersja

Data science od podstaw. Analiza danych w Pythonie - ebook

Wydawnictwo:
Tłumacz:
Data wydania:
11 października 2018
Format ebooka:
EPUB
Format EPUB
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najpopularniejszych formatów e-booków na świecie. Niezwykle wygodny i przyjazny czytelnikom - w przeciwieństwie do formatu PDF umożliwia skalowanie czcionki, dzięki czemu możliwe jest dopasowanie jej wielkości do kroju i rozmiarów ekranu. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu. Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
, PDF
Format PDF
czytaj
na laptopie
czytaj
na tablecie
Format e-booków, który możesz odczytywać na tablecie oraz laptopie. Pliki PDF są odczytywane również przez czytniki i smartfony, jednakze względu na komfort czytania i brak możliwości skalowania czcionki, czytanie plików PDF na tych urządzeniach może być męczące dla oczu. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu. Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
, MOBI
Format MOBI
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najczęściej wybieranych formatów wśród czytelników e-booków. Możesz go odczytać na czytniku Kindle oraz na smartfonach i tabletach po zainstalowaniu specjalnej aplikacji. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu. Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
(3w1)
Multiformat
E-booki sprzedawane w księgarni Virtualo.pl dostępne są w opcji multiformatu - kupujesz treść, nie format. Po dodaniu e-booka do koszyka i dokonaniu płatności, e-book pojawi się na Twoim koncie w Mojej Bibliotece we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu przy okładce. Uwaga: audiobooki nie są objęte opcją multiformatu.
czytaj
na laptopie
Pliki PDF zabezpieczone watermarkiem możesz odczytać na dowolnym laptopie po zainstalowaniu czytnika dokumentów PDF. Najpowszechniejszym programem, który umożliwi odczytanie pliku PDF na laptopie, jest Adobe Reader. W zależności od potrzeb, możesz zainstalować również inny program - e-booki PDF pod względem sposobu odczytywania nie różnią niczym od powszechnie stosowanych dokumentów PDF, które odczytujemy każdego dnia.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.
czytaj
na tablecie
Aby odczytywać e-booki na swoim tablecie musisz zainstalować specjalną aplikację. W zależności od formatu e-booka oraz systemu operacyjnego, który jest zainstalowany na Twoim urządzeniu może to być np. Bluefire dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.
czytaj
na czytniku
Czytanie na e-czytniku z ekranem e-ink jest bardzo wygodne i nie męczy wzroku. Pliki przystosowane do odczytywania na czytnikach to przede wszystkim EPUB (ten format możesz odczytać m.in. na czytnikach PocketBook) i MOBI (ten fromat możesz odczytać m.in. na czytnikach Kindle).
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.
czytaj
na smartfonie
Aby odczytywać e-booki na swoim smartfonie musisz zainstalować specjalną aplikację. W zależności od formatu e-booka oraz systemu operacyjnego, który jest zainstalowany na Twoim urządzeniu może to być np. iBooks dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.
57,00

Data science od podstaw. Analiza danych w Pythonie - ebook

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!

Spis treści

  • Przedmowa
    • Data science
    • Od podstaw
    • Konwencje typograficzne przyjęte w tej książce
    • Dodatkowe materiały do pobrania
    • Podziękowania
  • Rozdział 1. Wprowadzenie
    • Znaczenie danych
    • Czym jest analiza danych?
    • Hipotetyczna motywacja
      • Określanie najważniejszych węzłów
      • Analitycy, których możesz znać
      • Wynagrodzenie i doświadczenie
      • Płatne konta
      • Tematy interesujące użytkowników
      • Co dalej?
  • Rozdział 2. Błyskawiczny kurs Pythona
    • Podstawy
      • Skąd wziąć interpreter Pythona?
      • Zasady tworzenia kodu Pythona
      • Formatowanie za pomocą białych znaków
      • Moduły
      • Operacje arytmetyczne
      • Polskie znaki diakrytyczne
      • Funkcje
      • Łańcuchy
      • Wyjątki
      • Listy
      • Krotki
      • Słowniki
      • Zbiory
      • Przepływ sterowania
      • Wartości logiczne
    • Bardziej skomplikowane zagadnienia
      • Sortowanie
      • Składanie list
      • Generatory i iterator
      • Losowość
      • Wyrażenia regularne
      • Programowanie obiektowe
      • Narzędzia funkcyjne
      • enumerate
      • Funkcja zip i rozpakowywanie argumentów
      • Argumenty nazwane i nienazwane
      • Witaj w firmie DataSciencester!
    • Dalsza eksploracja
  • Rozdział 3. Wizualizacja danych
    • Pakiet matplotlib
    • Wykres słupkowy
    • Wykresy liniowe
    • Wykresy punktowe
    • Dalsza eksploracja
  • Rozdział 4. Algebra liniowa
    • Wektory
    • Macierze
    • Dalsza eksploracja
  • Rozdział 5. Statystyka
    • Opis pojedynczego zbioru danych
      • Tendencje centralne
      • Dyspersja
    • Korelacja
    • Paradoks Simpsona
    • Inne pułapki związane z korelacją
    • Korelacja i przyczynowość
    • Dalsza eksploracja
  • Rozdział 6. Prawdopodobieństwo
    • Zależność i niezależność
    • Prawdopodobieństwo warunkowe
    • Twierdzenie Bayesa
    • Zmienne losowe
    • Ciągły rozkład prawdopodobieństwa
    • Rozkład normalny
    • Centralne twierdzenie graniczne
    • Dalsza eksploracja
  • Rozdział 7. Hipotezy i wnioski
    • Sprawdzanie hipotez
    • Przykład: rzut monetą
    • Przedziały ufności
    • Hakowanie wartości p
    • Przykład: przeprowadzanie testu A-B
    • Wnioskowanie bayesowskie
    • Dalsza eksploracja
  • Rozdział 8. Metoda gradientu prostego
    • Podstawy metody gradientu prostego
    • Szacowanie gradientu
    • Korzystanie z gradientu
    • Dobór właściwego rozmiaru kroku
    • Łączenie wszystkich elementów
    • Stochastyczna metoda gradientu prostego
    • Dalsza eksploracja
  • Rozdział 9. Uzyskiwanie danych
    • Strumienie stdin i stdout
    • Wczytywanie plików
      • Podstawowe zagadnienia dotyczące plików tekstowych
      • Pliki zawierające dane rozdzielone separatorem
    • Pobieranie danych ze stron internetowych
      • HTML i parsowanie
      • Przykład: książki wydawnictwa OReilly dotyczące analizy danych
    • Korzystanie z interfejsów programistycznych
      • Format JSON (i XML)
      • Korzystanie z interfejsu programistycznego bez uwierzytelniania
      • Poszukiwanie interfejsów programistycznych
    • Przykład: korzystanie z interfejsów programistycznych serwisu Twitter
      • Uzyskiwanie danych uwierzytelniających
    • Dalsza eksploracja
  • Rozdział 10. Praca z danymi
    • Eksploracja danych
      • Eksploracja danych jednowymiarowych
      • Dwa wymiary
      • Wiele wymiarów
    • Oczyszczanie i wstępne przetwarzanie danych
    • Przetwarzanie danych
    • Przeskalowanie
    • Redukcja liczby wymiarów
    • Dalsza eksploracja
  • Rozdział 11. Uczenie maszynowe
    • Modelowanie
    • Czym jest uczenie maszynowe?
    • Nadmierne i zbyt małe dopasowanie
    • Poprawność
    • Kompromis pomiędzy wartością progową a wariancją
    • Ekstrakcja i selekcja cech
    • Dalsza eksploracja
  • Rozdział 12. Algorytm k najbliższych sąsiadów
    • Model
    • Przykład: ulubione języki
    • Przekleństwo wymiarowości
    • Dalsza eksploracja
  • Rozdział 13. Naiwny klasyfikator bayesowski
    • Bardzo prosty filtr antyspamowy
    • Bardziej zaawansowany filtr antyspamowy
    • Implementacja
    • Testowanie modelu
    • Dalsza eksploracja
  • Rozdział 14. Prosta regresja liniowa
    • Model
    • Korzystanie z algorytmu spadku gradientowego
    • Szacowanie maksymalnego prawdopodobieństwa
    • Dalsza eksploracja
  • Rozdział 15. Regresja wieloraka
    • Model
    • Dalsze założenia dotyczące modelu najmniejszych kwadratów
    • Dopasowywanie modelu
    • Interpretacja modelu
    • Poprawność dopasowania
    • Dygresja: ładowanie wstępne
    • Błędy standardowe współczynników regresji
    • Regularyzacja
    • Dalsza eksploracja
  • Rozdział 16. Regresja logistyczna
    • Problem
    • Funkcja logistyczna
    • Stosowanie modelu
    • Poprawność dopasowania
    • Maszyny wektorów nośnych
    • Dalsza eksploracja
  • Rozdział 17. Drzewa decyzyjne
    • Czym jest drzewo decyzyjne?
    • Entropia
    • Entropia podziału
    • Tworzenie drzewa decyzyjnego
    • Łączenie wszystkiego w całość
    • Lasy losowe
    • Dalsza eksploracja
  • Rozdział 18. Sztuczne sieci neuronowe
    • Perceptrony
    • Jednokierunkowe sieci neuronowe
    • Propagacja wsteczna
    • Przykład: pokonywanie zabezpieczenia CAPTCHA
    • Dalsza eksploracja
  • Rozdział 19. Grupowanie
    • Idea
    • Model
    • Przykład: spotkania
    • Wybór wartości parametru k
    • Przykład: grupowanie kolorów
    • Grupowanie hierarchiczne z podejściem aglomeracyjnym
    • Dalsza eksploracja
  • Rozdział 20. Przetwarzanie języka naturalnego
    • Chmury wyrazowe
    • Modele n-gram
    • Gramatyka
    • Na marginesie: próbkowanie Gibbsa
    • Modelowanie tematu
    • Dalsza eksploracja
  • Rozdział 21. Analiza sieci społecznościowych
    • Pośrednictwo
    • Centralność wektorów własnych
      • Mnożenie macierzy
      • Centralność
    • Grafy skierowane i metoda PageRank
    • Dalsza eksploracja
  • Rozdział 22. Systemy rekomendujące
    • Ręczne rozwiązywanie problemu
    • Rekomendowanie tego, co jest popularne
    • Filtrowanie kolaboratywne oparte na użytkownikach
    • Filtrowanie kolaboratywne oparte na zainteresowaniach
    • Dalsza eksploracja
  • Rozdział 23. Bazy danych i SQL
    • Polecenia CREATE TABLE i INSERT
    • Polecenie UPDATE
    • Polecenie DELETE
    • Polecenie SELECT
    • Polecenie GROUP BY
    • Polecenie ORDER BY
    • Polecenie JOIN
    • Zapytania składowe
    • Indeksy
    • Optymalizacja zapytań
    • Bazy danych NoSQL
    • Dalsza eksploracja
  • Rozdział 24. Algorytm MapReduce
    • Przykład: liczenie słów
    • Dlaczego warto korzystać z algorytmu MapReduce?
    • Algorytm MapReduce w ujęciu bardziej ogólnym
    • Przykład: analiza treści statusów
    • Przykład: mnożenie macierzy
    • Dodatkowe informacje: zespalanie
    • Dalsza eksploracja
  • Rozdział 25. Praktyka czyni mistrza
    • IPython
    • Matematyka
    • Korzystanie z gotowych rozwiązań
      • NumPy
      • pandas
      • scikit-learn
      • Wizualizacja
      • R
    • Szukanie danych
    • Zabierz się za analizę
      • Hacker News
      • Wozy straży pożarnej
      • Koszulki
      • A Ty?
    • O autorze
    • Kolofon
Kategoria: Hacking
Zabezpieczenie: Watermark
Watermark
Watermarkowanie polega na znakowaniu plików wewnątrz treści, dzięki czemu możliwe jest rozpoznanie unikatowej licencji transakcyjnej Użytkownika. E-książki zabezpieczone watermarkiem można odczytywać na wszystkich urządzeniach odtwarzających wybrany format (czytniki, tablety, smartfony). Nie ma również ograniczeń liczby licencji oraz istnieje możliwość swobodnego przenoszenia plików między urządzeniami. Pliki z watermarkiem są kompatybilne z popularnymi programami do odczytywania ebooków, jak np. Calibre oraz aplikacjami na urządzenia mobilne na takie platformy jak iOS oraz Android.
ISBN: 978-83-283-4603-1
Rozmiar pliku: 6,6 MB

BESTSELLERY

Kategorie: