Python для data science, Васильев Ю., 2023

Python для data science, Васильев Ю., 2023.
 
Python — идеальный выбор для манипулирования и извлечения информации из данных всех видов. «Python для data science» познакомит программистов с питоническим миром анализа данных. Вы научитесь писать код на Python, применяя самые современные методы, для получения, преобразования и анализа данных в управлении бизнесом, маркетинге и поддержке принятия решений. Познакомьтесь с богатым набором встроенных структур данных Python для выполнения основных операций, а также о надежной экосистеме библиотек с открытым исходным кодом для data science, включая NumPy, pandas, scikit-learn, matplotlib и другие. Научитесь загружать данные в различных форматах, упорядочивать, группировать и агрегировать датасеты, а также создавать графики, карты и другие визуализации. На подробных примерах стройте реальные приложения, в том числе службу такси, использующую геолокацию, анализ корзины для определения товаров, которые обычно покупаются вместе, а также модель машинного обучения для прогнозирования цен на акции.




Реляционные базы данных.
Реляционные базы данных, также известные как базы данных из строк и столбцов, — самый распространенный сегодня тип БД. Они обеспечивают структурированное хранение данных. Подобно тому как список книг на Amazon имеет определенную структуру для хранения информации (с полями для названий книг, авторов, описаний, рейтингов и т. д.), данные, хранящиеся в реляционной базе данных, должны соответствовать заранее определенной формальной схеме. Работа с реляционной БД начинается с разработки формальной схемы: вы определяете набор таблиц, каждая из которых состоит из нескольких полей (столбцов), и указываете, какой тип данных будет храниться в каждом поле. Также необходимо установить отношения между таблицами. После этого можно сохранять данные в базе, получать их или обновлять по мере необходимости.

Краткое содержание.
Об авторе.
О научном редакторе.
От издательства.
Введение.
Глава 1.Базовые знания о данных.
Глава 2.Структуры данных Python.
Глава 3.Библиотеки Python для data science.
Глава 4.Доступ к данным из файлов и API.
Глава 5.Работа с базами данных.
Глава 6.Агрегирование данных.
Глава 7.Объединение датасетов.
Глава 8.Визуализация.
Глава 9.Анализ данных о местоположении.
Глава 10.Анализ данных временных рядов.
Глава 11.Получение инсайтов из данных.
Глава 12.Машинное обучение для анализа данных.

Купить .



Хештеги: #Васильев :: #книги по информатике :: #базы данных :: #анализ данных