Yuli Vasiliev Bücher

A hands-on, real-world introduction to data analysis with the Python programming language, loaded with wide-ranging examples.Python is an ideal choice for accessing, manipulating, and gaining insights from data of all kinds. Python for Data Science introduces you to the Pythonic world of data analysis with a learn-by-doing approach rooted in practical examples and hands-on activities. You’ll learn how to write Python code to obtain, transform, and analyze data, practicing state-of-the-art data processing techniques for use cases in business management, marketing, and decision support.You will discover Python’s rich set of built-in data structures for basic operations, as well as its robust ecosystem of open-source libraries for data science, including NumPy, pandas, scikit-learn, matplotlib, and more. Examples show how to load data in various formats, how to streamline, group, and aggregate data sets, and how to create charts, maps, and other visualizations. Later chapters go in-depth with demonstrations of real-world data applications, including using location data to power a taxi service, market basket analysis to identify items commonly purchased together, and machine learning to predict stock prices.

An introduction to natural language processing with Python using spaCy, a leading Python natural language processing library.

Python jest idealnym wyborem dla analityków danych, którzy chcą łatwo uzyskiwać dostęp do różnorodnych danych, przetwarzać je i analizować. Oferuje bogaty zestaw wbudowanych struktur danych oraz solidny zbiór bibliotek open source do analizy. Język pozwala na pisanie zwięzłego kodu, gdzie jeden wiersz może filtrować, przekształcać i agregować dane. Książka skierowana jest do średnio zaawansowanych użytkowników Pythona, którzy tworzą aplikacje związane z nauką o danych. Zawiera omówienie możliwości języka, wbudowanych struktur danych oraz bibliotek takich jak NumPy, pandas, scikit-learn i matplotlib. Nauczysz się wczytywania danych w różnych formatach, porządkowania, grupowania i agregowania zbiorów, a także tworzenia wykresów i map. Przykłady obejmują rzeczywiste aplikacje, takie jak system obsługi taksówek z danymi lokalizacyjnymi, analiza reguł asocjacyjnych dla transakcji czy model uczenia maszynowego przewidujący zmiany kursów akcji. Każdy rozdział zawiera ćwiczenia, które pomogą w nabywaniu biegłości w technikach. Dzięki książce nauczysz się efektywnie korzystać ze struktur danych Pythona, wydobywać cenne informacje oraz posługiwać się różnymi typami danych, w tym JSON i CSV, a także technikami uczenia maszynowego w przetwarzaniu języka naturalnego.