Python. Podstawy nauki o danych. Wydanie II
- Kategoria:
- informatyka, matematyka
- Wydawnictwo:
- Helion
- Data wydania:
- 2017-05-12
- Data 1. wyd. pol.:
- 2017-05-12
- Język:
- polski
- ISBN:
- 9788328334243
Nauka o danych jest nową, interdyscyplinarną dziedziną, funkcjonującą na pograniczu algebry liniowej, modelowania statystycznego, lingwistyki komputerowej, uczenia maszynowego oraz metod akumulacji danych. Jest przydatna między innymi dla analityków biznesowych, statystyków, architektów oprogramowania i osób zajmujących się sztuczną inteligencją. Szczególnie praktycznym narzędziem dla tych specjalistów jest język Python, który zapewnia doskonałe środowisko do analizy danych, uczenia maszynowego i algorytmicznego rozwiązywania problemów.
Niniejsza książka jest doskonałym wprowadzeniem do nauki o danych. Jej autorzy wskażą Ci prostą i szybką drogę do rozwiązywania różnych problemów z tego obszaru za pomocą Pythona oraz powiązanych z nim pakietów do analizy danych i uczenia maszynowego. Dzięki lekturze przejdziesz przez kolejne etapy modyfikowania i wstępnego przetwarzania danych, poznając przy tym podstawowe operacje związane z wczytywaniem danych, przekształcaniem ich, poprawianiem na potrzeby analiz, eksplorowaniem i przetwarzaniem. Poza podstawami opanujesz też zagadnienia uczenia maszynowego, w tym uczenia głębokiego, techniki analizy grafów oraz wizualizacji danych.
Najważniejsze zagadnienia przedstawione w książce:
konfiguracja środowiska Jupyter Notebook
najważniejsze operacje stosowane w nauce o danych
potoki danych i uczenie maszynowe
wprowadzenie do grafów i wizualizacje
biblioteki i pakiety Pythona służące do badań danych
Nauka o danych — fascynujące algorytmy i potężne grafy!
Alberto Boschetti specjalizuje się w przetwarzaniu sygnałów i statystyce. Jest doktorem inżynierii telekomunikacyjnej. Zajmuje się przetwarzaniem języków naturalnych, analityką behawioralną, uczeniem maszynowym i przetwarzaniem rozproszonym.
Luca Massaron specjalizuje się w statystycznych analizach wieloczynnikowych, uczeniu maszynowym, statystyce, eksploracji danych i algorytmice. Pasjonuje się potencjałem, jaki drzemie w nauce o danych.
Porównaj ceny
W naszej porównywarce znajdziesz książki, audiobooki i e-booki, ze wszystkich najpopularniejszych księgarni internetowych i stacjonarnych, zawsze w najlepszej cenie. Wszystkie pozycje zawierają aktualne ceny sprzedaży. Nasze księgarnie partnerskie oferują wygodne formy dostawy takie jak: dostawę do paczkomatu, przesyłkę kurierską lub odebranie przesyłki w wybranym punkcie odbioru. Darmowa dostawa jest możliwa po przekroczeniu odpowiedniej kwoty za zamówienie lub dla stałych klientów i beneficjentów usług premium zgodnie z regulaminem wybranej księgarni.
Za zamówienie u naszych partnerów zapłacisz w najwygodniejszej dla Ciebie formie:
• online
• przelewem
• kartą płatniczą
• Blikiem
• podczas odbioru
W zależności od wybranej księgarni możliwa jest także wysyłka za granicę. Ceny widoczne na liście uwzględniają rabaty i promocje dotyczące danego tytułu, dzięki czemu zawsze możesz szybko porównać najkorzystniejszą ofertę.
Mogą Cię zainteresować
Książka na półkach
- 13
- 4
- 3
- 1
- 1
- 1
- 1
OPINIE i DYSKUSJE
Książka dla tych, co Pythona i 'machine learning ' znają tylko teoretycznie i chcieliby wypróbować parę rzeczy w praktyce. Dla mnie spełniła swoje zadanie, zaciekawiła: szukam teraz kolejnych pozycji z tego obszaru
Książka dla tych, co Pythona i 'machine learning ' znają tylko teoretycznie i chcieliby wypróbować parę rzeczy w praktyce. Dla mnie spełniła swoje zadanie, zaciekawiła: szukam teraz kolejnych pozycji z tego obszaru
Pokaż mimo toPackt ma u mnie opinię bieda-wydawnictwa i to jest jedna z książek, która dokładnie wpisuje się w tę ocenę.
Układ w skali makro jest nieudany -- autorzy zaczynają zapowiedzią z grubej rury (z klasyczną adnotacją "nie przejmuj się, jeśli nie rozumiesz..."),żeby przejść do omówienia bibliotek numerycznych. Następnie przechodzą do algorytmów z zakresu statystyki i AI, po czym z powrotem przeskują do bibliotek, tym razem graficznych. Wg mnie lepszy byłby podział na 2 części -- narzędzia i zastosowania.
Same wyjaśnienia są nerwowe, chaotyczne -- kiedy porównuję je do analogicznych książek o R, mam wrażenie, że czytam książkę w stroboskopowym świetle, już niby coś jest, skok, kolejny temat, już-już, skok, kolejna rzecz. Mało w tym systematyki, wyjaśnienia szczegółów, tak aby czytelnik nie tylko potrafił przeklepać kod, ale mógł szczerze powiedzieć -- ok, rozumiem.
Żeby nie być gołosłownym -- podstawy, czyli zabawa z numpy zaczyna się od 92 strony (wcześniej są... bardziej złożone zagadnienia, logiczne) i autorzy zaczynają od IMPLEMENTACJI tablic w numpy, strona 99 to realny start numpy, na stronie 103 nagle stop, autorzy przeskakują do pandas, ale przypomniało im się, że zgubili jednak numpy, więc po chwili (od str. 104) wracają do podstaw. Chaos! Nie ma tutaj spokojnej progresji, aby kolejne kroki wynikały, czy bazowały na poprzednich.
Kod od pierwszej do ostatniej strony (za wyjątkiem 1 listingu) jest drukowany bezmyślnie pogrubioną czcionką. Nie wiem czemu to miało służyć -- pogrubienie nowych fragmentów, bądź pogrubianie słów kluczowych to znakomite, sprawdzone rozwiązanie, ale tak od A do Z? Utrudnia to tylko czytanie. Widoczne jest także niechlujstwo -- brak formatowania, brak znaczników złamania wierszy, niekiedy sklejanie dwóch wierszy w jeden. Oznaczenie wejścia i wyjścia jest oznaczane po prostu drukiem (identycznym jak kod) zamiast ikonek lub choćby innej czcionki. Słowem -- prezentacja kodu jest na poziomie denno-bagiennym.
Wykresy nie miały nawet szansy przy takim dbaniu o jakość (po co myśleć jak zreprodukować klasy w druku czarno-białym, walnie się brązowe, lub czerwone i niech się czytelnik domyśla co jest co),oberwało się także wektorówkom reprodukowanym jako bitmapy.
Tłumaczenie wydaje mi się w porządku -- mam tylko to zastrzeżenie, że zamiast głupio tracić czas na tłumaczenie "In" i "Out" tłumacz mógłby zauważyć, że przenosi nazwy kolumn prosto z oryginału, a nie każdy musi wiedzieć co to "petal", czy "setosa", więc wypadałoby podać w przypisie tłumaczenie przy pierwszym użyciu.
Czy są zalety? W sumie jest, cena. Ale prawdę mówiąc, kiedy jestem po lekturze widzę, że to zwodnicza cecha -- dokładając 100 zł mam już oryginał z O'Reilly'ego nieporównywalnie lepszej jakości. Ten zakup oceniam jako niepotrzebny (błędny -- sugerowałem się entuzjastycznymi wręcz recenzjami na stronie polskiego wydawcy).
TL;DR -- stać Cię na większy wydatek? Tak -- kup książkę wydawnictwa O'Reilly (w chwili kiedy to piszę, to wydawnictwo ma największą ofertę o podobnej tematyce). Nie -- kup tę i pocierp.
[AKTUALIZACJA 2017-08-16: zacząłem właśnie czytać "Hands-On Machine Learning with Scikit-Learn & TensorFlow" (~130zł),to tematyka nieco obok, ale książka porywa po prostu od pierwszych stron. Z drugiej strony oglądam wykłady, m.in. Deep Learning z Udacity (darmowy) i niniejszy tytuł jest tak kanciasto przydatny, że zdenerowałem się i złożyłem kolejne zamówienie w BD na "Python Data Science Handbook" -- to już odpowiednik niniejszej -- jest droga (~190zł),ale już zdążyłem w ebooku znaleźć odpowiedzi, których nie znalazłem w "Podstawach...". Co zrobić, świat ucieka do przodu w zawrotnym tempie, za 2-3 tygodnie przynajmniej bedę się mógł chociaż wgryźć w soczysty kawałek wiedzy.]
Packt ma u mnie opinię bieda-wydawnictwa i to jest jedna z książek, która dokładnie wpisuje się w tę ocenę.
więcej Pokaż mimo toUkład w skali makro jest nieudany -- autorzy zaczynają zapowiedzią z grubej rury (z klasyczną adnotacją "nie przejmuj się, jeśli nie rozumiesz..."),żeby przejść do omówienia bibliotek numerycznych. Następnie przechodzą do algorytmów z zakresu statystyki i AI, po...