Indexaxión 5.133
5.115 Documentos en la biblioteca con la clasificación 5.133 (129)
Hacer una sugerencia Refinar búsqueda
Título : Advanced Data Analytics Using Python : With Machine Learning, Deep Learning and NLP Examples Tipo de documento: documento electrónico Autores: Mukhopadhyay, Sayan, Autor Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2018 Número de páginas: XV, 186 p. 18 ilustraciones ISBN/ISSN/DL: 978-1-4842-3450-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Python (lenguaje de programa informático) Grandes datos Software de código abierto Pitón Fuente abierta Índice Dewey: 5.133 Resumen: Obtenga una amplia base de conceptos avanzados de análisis de datos y descubra la reciente revolución en bases de datos como Neo4j, Elasticsearch y MongoDB. Este libro analiza cómo implementar técnicas ETL, incluido el rastreo temático, que se aplica en dominios como el comercio algorítmico de alta frecuencia y los sistemas de diálogo orientados a objetivos. También verá ejemplos de conceptos de aprendizaje automático, como el aprendizaje semisupervisado, el aprendizaje profundo y la PNL. El análisis de datos avanzado con Python también cubre importantes técnicas tradicionales de análisis de datos, como series de tiempo y análisis de componentes principales. Después de leer este libro, tendrá experiencia en todos los aspectos técnicos de un proyecto de análisis. Conocerá los conceptos utilizando el código Python y le brindará ejemplos para usar en sus propios proyectos. Usted: Trabajará con técnicas de análisis de datos como clasificación, agrupamiento, regresión y pronóstico Manejará datos estructurados y no estructurados, técnicas ETL y diferentes tipos de bases de datos como Neo4j, Elasticsearch, MongoDB y MySQL Examinará los diferentes marcos de big data, incluidos Hadoop y Spark Descubra conceptos avanzados de aprendizaje automático, como el aprendizaje semisupervisado, el aprendizaje profundo y la PNL. Nota de contenido: Chapter 1: Introduction -- Chapter 2: ETL with Python -- Chapter 3: Supervised Learning with Python -- Chapter 4: Unsupervised Learning with Python -- Chapter 5: Deep Learning & Neural Networks -- Chapter 6: Time Series Analysis -- Chapter 7: Python in Emerging Technologies. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advanced Data Analytics Using Python : With Machine Learning, Deep Learning and NLP Examples [documento electrónico] / Mukhopadhyay, Sayan, Autor . - 1 ed. . - Berkeley, CA : Apress, 2018 . - XV, 186 p. 18 ilustraciones.
ISBN : 978-1-4842-3450-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Python (lenguaje de programa informático) Grandes datos Software de código abierto Pitón Fuente abierta Índice Dewey: 5.133 Resumen: Obtenga una amplia base de conceptos avanzados de análisis de datos y descubra la reciente revolución en bases de datos como Neo4j, Elasticsearch y MongoDB. Este libro analiza cómo implementar técnicas ETL, incluido el rastreo temático, que se aplica en dominios como el comercio algorítmico de alta frecuencia y los sistemas de diálogo orientados a objetivos. También verá ejemplos de conceptos de aprendizaje automático, como el aprendizaje semisupervisado, el aprendizaje profundo y la PNL. El análisis de datos avanzado con Python también cubre importantes técnicas tradicionales de análisis de datos, como series de tiempo y análisis de componentes principales. Después de leer este libro, tendrá experiencia en todos los aspectos técnicos de un proyecto de análisis. Conocerá los conceptos utilizando el código Python y le brindará ejemplos para usar en sus propios proyectos. Usted: Trabajará con técnicas de análisis de datos como clasificación, agrupamiento, regresión y pronóstico Manejará datos estructurados y no estructurados, técnicas ETL y diferentes tipos de bases de datos como Neo4j, Elasticsearch, MongoDB y MySQL Examinará los diferentes marcos de big data, incluidos Hadoop y Spark Descubra conceptos avanzados de aprendizaje automático, como el aprendizaje semisupervisado, el aprendizaje profundo y la PNL. Nota de contenido: Chapter 1: Introduction -- Chapter 2: ETL with Python -- Chapter 3: Supervised Learning with Python -- Chapter 4: Unsupervised Learning with Python -- Chapter 5: Deep Learning & Neural Networks -- Chapter 6: Time Series Analysis -- Chapter 7: Python in Emerging Technologies. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Advanced Python Development : Using Powerful Language Features in Real-World Applications Tipo de documento: documento electrónico Autores: Wilkes, Matthew, Autor Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2020 Número de páginas: XXII, 605 p. 62 ilustraciones ISBN/ISSN/DL: 978-1-4842-5793-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Python (lenguaje de programa informático) Software de código abierto Compiladores (programas informáticos) Pitón Fuente abierta Compiladores e intérpretes Índice Dewey: 5.133 Resumen: Este libro se basa en tutoriales básicos de Python para explicar varias características del lenguaje Python que no se tratan habitualmente: desde scripts de consola reutilizables que cumplen una doble función como microservicios al aprovechar los puntos de entrada, hasta el uso eficiente de asyncio para recopilar datos de una gran cantidad de fuentes. . A lo largo del camino, cubre linting basado en sugerencias de tipo, pruebas con bajos gastos generales y otras comprobaciones de calidad automatizadas para demostrar un proceso de desarrollo sólido en el mundo real. Algunos aspectos poderosos de Python a menudo se documentan con ejemplos artificiales que explican la característica únicamente como un ejemplo independiente. Si sigue el diseño y la construcción de un ejemplo de aplicación del mundo real, desde el prototipo hasta la calidad de producción, verá no sólo cómo funcionan las distintas funciones, sino también cómo se integran como parte del proceso de diseño del sistema más amplio. Además, se beneficiará del tipo de comentarios útiles y recomendaciones de bibliotecas que son un elemento básico de las sesiones de preguntas y respuestas en las conferencias de Python, así como discusiones sobre las mejores prácticas y técnicas modernas de Python para producir mejor código claro y fácil de mantener. El desarrollo avanzado de Python está destinado a desarrolladores que ya pueden escribir programas simples en Python y desean comprender cuándo es apropiado utilizar funciones de lenguaje nuevas y avanzadas y hacerlo con confianza. Es especialmente útil para desarrolladores que buscan progresar a un nivel superior y para desarrolladores muy experimentados que hasta ahora han utilizado versiones anteriores de Python. Usted: Comprenderá la programación asincrónica Examinará el desarrollo de arquitecturas de complementos Trabajará con anotaciones de tipo Revisará técnicas de prueba Explorará el empaquetado y la gestión de dependencias. Nota de contenido: Chapter 1: Prototyping and Environments -- Chapter 2: Testing, Checking and Linting -- Chapter 3: Packaging Scripts -- Chapter 4: From Script to Library -- Chapter 5: Alternative Interfaces -- Chapter 6: Speeding Things Up -- Chapter 7: Aggregation Process -- Chapter 8: Asynchronous Programming -- Chapter 9: Asynchronous Databases -- Chapter 10: Viewing the Data -- Chapter 11: Fault Tolerance -- Chapter 12: Callbacks and Data Analysis. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advanced Python Development : Using Powerful Language Features in Real-World Applications [documento electrónico] / Wilkes, Matthew, Autor . - 1 ed. . - Berkeley, CA : Apress, 2020 . - XXII, 605 p. 62 ilustraciones.
ISBN : 978-1-4842-5793-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Python (lenguaje de programa informático) Software de código abierto Compiladores (programas informáticos) Pitón Fuente abierta Compiladores e intérpretes Índice Dewey: 5.133 Resumen: Este libro se basa en tutoriales básicos de Python para explicar varias características del lenguaje Python que no se tratan habitualmente: desde scripts de consola reutilizables que cumplen una doble función como microservicios al aprovechar los puntos de entrada, hasta el uso eficiente de asyncio para recopilar datos de una gran cantidad de fuentes. . A lo largo del camino, cubre linting basado en sugerencias de tipo, pruebas con bajos gastos generales y otras comprobaciones de calidad automatizadas para demostrar un proceso de desarrollo sólido en el mundo real. Algunos aspectos poderosos de Python a menudo se documentan con ejemplos artificiales que explican la característica únicamente como un ejemplo independiente. Si sigue el diseño y la construcción de un ejemplo de aplicación del mundo real, desde el prototipo hasta la calidad de producción, verá no sólo cómo funcionan las distintas funciones, sino también cómo se integran como parte del proceso de diseño del sistema más amplio. Además, se beneficiará del tipo de comentarios útiles y recomendaciones de bibliotecas que son un elemento básico de las sesiones de preguntas y respuestas en las conferencias de Python, así como discusiones sobre las mejores prácticas y técnicas modernas de Python para producir mejor código claro y fácil de mantener. El desarrollo avanzado de Python está destinado a desarrolladores que ya pueden escribir programas simples en Python y desean comprender cuándo es apropiado utilizar funciones de lenguaje nuevas y avanzadas y hacerlo con confianza. Es especialmente útil para desarrolladores que buscan progresar a un nivel superior y para desarrolladores muy experimentados que hasta ahora han utilizado versiones anteriores de Python. Usted: Comprenderá la programación asincrónica Examinará el desarrollo de arquitecturas de complementos Trabajará con anotaciones de tipo Revisará técnicas de prueba Explorará el empaquetado y la gestión de dependencias. Nota de contenido: Chapter 1: Prototyping and Environments -- Chapter 2: Testing, Checking and Linting -- Chapter 3: Packaging Scripts -- Chapter 4: From Script to Library -- Chapter 5: Alternative Interfaces -- Chapter 6: Speeding Things Up -- Chapter 7: Aggregation Process -- Chapter 8: Asynchronous Programming -- Chapter 9: Asynchronous Databases -- Chapter 10: Viewing the Data -- Chapter 11: Fault Tolerance -- Chapter 12: Callbacks and Data Analysis. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Artificial Neural Networks with Java : Tools for Building Neural Network Applications Tipo de documento: documento electrónico Autores: Livshin, Igor, Autor Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2019 Número de páginas: XIX, 566 p. 95 ilustraciones ISBN/ISSN/DL: 978-1-4842-4421-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Java (lenguaje de programa informático) Inteligencia artificial Software de código abierto Java Fuente abierta Índice Dewey: 5.133 Resumen: Utilice Java para desarrollar aplicaciones de redes neuronales en este libro práctico. Después de aprender las reglas involucradas en el procesamiento de redes neuronales, procesará manualmente el primer ejemplo de red neuronal. Esto cubre los aspectos internos de la propagación frontal y posterior y facilita la comprensión de los principios fundamentales del procesamiento de redes neuronales. Redes neuronales artificiales con Java también le enseña cómo preparar los datos que se utilizarán en el desarrollo de redes neuronales y sugiere varias técnicas de preparación de datos para muchas tareas no convencionales. El siguiente gran tema que se analiza en el libro es el uso de Java para el procesamiento de redes neuronales. Utilizará el marco Encog Java y descubrirá cómo realizar un desarrollo rápido con Encog, lo que le permitirá crear aplicaciones de redes neuronales a gran escala. El libro también analiza la incapacidad de las redes neuronales para aproximarse a funciones complejas no continuas e introduce el método de microlotes que resuelve este problema. El enfoque paso a paso incluye muchos ejemplos, diagramas y capturas de pantalla para ayudarle a comprender los conceptos de forma rápida y sencilla. Usted podrá: Preparar sus datos para muchas tareas diferentes Llevar a cabo algunas tareas inusuales de redes neuronales Crear una red neuronal para procesar funciones no continuas Seleccionar y mejorar el modelo de desarrollo. Nota de contenido: Chapter 1. Learning Neural Networks -- Chapter 2. Internal Mechanism of Neural Network Processing -- Chapter 3. Manual Neural Network Processing -- Chapter 4. Java Environment and Development Tools for Building Neural Network Applications -- Chapter 5. Neural Network Development Using Java Framework -- Chapter 6. Neural network Prediction outside of the Training Range -- Chapter 7. Processing More Complex Periodic Functions -- Chapter 8. Processing Non-continuous Functions -- Chapter 9. Approximation Continuous Functions with Complex Topology -- Chapter 10. Using Neural Network for Classification of Objects -- Chapter 11. Importance of Selecting a Correct Model -- Chapter 12. Approximation of Functions in 3-D Space. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Artificial Neural Networks with Java : Tools for Building Neural Network Applications [documento electrónico] / Livshin, Igor, Autor . - 1 ed. . - Berkeley, CA : Apress, 2019 . - XIX, 566 p. 95 ilustraciones.
ISBN : 978-1-4842-4421-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Java (lenguaje de programa informático) Inteligencia artificial Software de código abierto Java Fuente abierta Índice Dewey: 5.133 Resumen: Utilice Java para desarrollar aplicaciones de redes neuronales en este libro práctico. Después de aprender las reglas involucradas en el procesamiento de redes neuronales, procesará manualmente el primer ejemplo de red neuronal. Esto cubre los aspectos internos de la propagación frontal y posterior y facilita la comprensión de los principios fundamentales del procesamiento de redes neuronales. Redes neuronales artificiales con Java también le enseña cómo preparar los datos que se utilizarán en el desarrollo de redes neuronales y sugiere varias técnicas de preparación de datos para muchas tareas no convencionales. El siguiente gran tema que se analiza en el libro es el uso de Java para el procesamiento de redes neuronales. Utilizará el marco Encog Java y descubrirá cómo realizar un desarrollo rápido con Encog, lo que le permitirá crear aplicaciones de redes neuronales a gran escala. El libro también analiza la incapacidad de las redes neuronales para aproximarse a funciones complejas no continuas e introduce el método de microlotes que resuelve este problema. El enfoque paso a paso incluye muchos ejemplos, diagramas y capturas de pantalla para ayudarle a comprender los conceptos de forma rápida y sencilla. Usted podrá: Preparar sus datos para muchas tareas diferentes Llevar a cabo algunas tareas inusuales de redes neuronales Crear una red neuronal para procesar funciones no continuas Seleccionar y mejorar el modelo de desarrollo. Nota de contenido: Chapter 1. Learning Neural Networks -- Chapter 2. Internal Mechanism of Neural Network Processing -- Chapter 3. Manual Neural Network Processing -- Chapter 4. Java Environment and Development Tools for Building Neural Network Applications -- Chapter 5. Neural Network Development Using Java Framework -- Chapter 6. Neural network Prediction outside of the Training Range -- Chapter 7. Processing More Complex Periodic Functions -- Chapter 8. Processing Non-continuous Functions -- Chapter 9. Approximation Continuous Functions with Complex Topology -- Chapter 10. Using Neural Network for Classification of Objects -- Chapter 11. Importance of Selecting a Correct Model -- Chapter 12. Approximation of Functions in 3-D Space. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : asyncio Recipes : A Problem-Solution Approach Tipo de documento: documento electrónico Autores: Tahrioui, Mohamed Mustapha, Autor Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2019 Número de páginas: XXVI, 315 p. 5 ilustraciones ISBN/ISSN/DL: 978-1-4842-4401-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Python (lenguaje de programa informático) Compiladores (programas informáticos) Pitón Compiladores e intérpretes Índice Dewey: 5.133 Resumen: Aproveche al máximo asyncio y encuentre soluciones a sus problemas de programación Python más preocupantes. Este libro ofrece una colección pragmática de recetas que van más allá de los recursos y documentos en línea para brindar orientación sobre el uso de esta compleja biblioteca. Como tal, verá cómo mejorar el rendimiento de las aplicaciones y ejecutar programas intensivos de E/S más rápido. asyncio Recipes comienza con ejemplos que ilustran las primitivas que vienen con la biblioteca asyncio y explica cómo determinar si asyncio es la opción correcta para su aplicación. Muestra cómo utilizar asyncio para obtener mejoras de rendimiento sin múltiples subprocesos e identifica errores comunes y cómo prevenirlos. Los capítulos posteriores cubren el manejo de errores, las pruebas y la depuración. Al final de este libro, comprenderá cómo se ejecuta asyncio detrás de escena y tendrá la confianza suficiente para contribuir a los proyectos que priorizan asyncio. Nota de contenido: Chapter 1: Preparing for the Recipes -- Chapter 2: Working with Event Loops -- Chapter 3: Working with Coroutines and async/await -- Chapter 4: Working with async Generators -- Chapter 5: Working with async Context Manager -- Chapter 6: Communication Between asyncio Components -- Chapter 7: Synchronization Between asyncio Components -- Chapter 8: Improving asyncio Applications -- Chapter 9: Working with Network Protocols -- Chapter 10: Preventing Common asyncio Mistakes -- Appendix A: Setting up Your Environment -- Appendix B: Event Loops OS Specifics. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i asyncio Recipes : A Problem-Solution Approach [documento electrónico] / Tahrioui, Mohamed Mustapha, Autor . - 1 ed. . - Berkeley, CA : Apress, 2019 . - XXVI, 315 p. 5 ilustraciones.
ISBN : 978-1-4842-4401-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Python (lenguaje de programa informático) Compiladores (programas informáticos) Pitón Compiladores e intérpretes Índice Dewey: 5.133 Resumen: Aproveche al máximo asyncio y encuentre soluciones a sus problemas de programación Python más preocupantes. Este libro ofrece una colección pragmática de recetas que van más allá de los recursos y documentos en línea para brindar orientación sobre el uso de esta compleja biblioteca. Como tal, verá cómo mejorar el rendimiento de las aplicaciones y ejecutar programas intensivos de E/S más rápido. asyncio Recipes comienza con ejemplos que ilustran las primitivas que vienen con la biblioteca asyncio y explica cómo determinar si asyncio es la opción correcta para su aplicación. Muestra cómo utilizar asyncio para obtener mejoras de rendimiento sin múltiples subprocesos e identifica errores comunes y cómo prevenirlos. Los capítulos posteriores cubren el manejo de errores, las pruebas y la depuración. Al final de este libro, comprenderá cómo se ejecuta asyncio detrás de escena y tendrá la confianza suficiente para contribuir a los proyectos que priorizan asyncio. Nota de contenido: Chapter 1: Preparing for the Recipes -- Chapter 2: Working with Event Loops -- Chapter 3: Working with Coroutines and async/await -- Chapter 4: Working with async Generators -- Chapter 5: Working with async Context Manager -- Chapter 6: Communication Between asyncio Components -- Chapter 7: Synchronization Between asyncio Components -- Chapter 8: Improving asyncio Applications -- Chapter 9: Working with Network Protocols -- Chapter 10: Preventing Common asyncio Mistakes -- Appendix A: Setting up Your Environment -- Appendix B: Event Loops OS Specifics. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Basic Python for Data Management, Finance, and Marketing : Advance Your Career by Learning the Most Powerful Analytical Tool Tipo de documento: documento electrónico Autores: Yudin, Art, Autor Mención de edición: 1 ed. Editorial: Berkeley, CA : Apress Fecha de publicación: 2021 Número de páginas: XI, 320 p. 222 ilustraciones ISBN/ISSN/DL: 978-1-4842-7189-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Python (lenguaje de programa informático) Pitón Índice Dewey: 5.133 Resumen: Aprenda a recopilar, manipular y analizar datos con Python. Este libro es una guía práctica que le ayudará a empezar a utilizar Python desde cero y hasta el punto en que pueda utilizar la codificación para las tareas cotidianas. Python, la habilidad más demandada por los empleadores, se puede aprender en cuestión de meses y un conocimiento práctico le ayudará a avanzar en su carrera. Este libro le enseñará a hacer números, analizar big data y cambiar de hojas de cálculo a un lenguaje de programación más rápido y eficiente. Se beneficiará de numerosos ejemplos de la vida real diseñados para enfrentar los desafíos mundiales actuales y de una guía paso a paso para convertirse en un usuario seguro de Python. Python se utiliza en todos los aspectos de la industria financiera, desde el comercio de algoritmos, la generación de informes y la gestión de riesgos hasta la creación de modelos de valoración y programas predictivos de aprendizaje automático. Python básico para gestión de datos, finanzas y marketing destaca cómo este lenguaje se ha convertido en una habilidad útil para los especialistas en marketing digital, permitiéndoles analizar datos con mayor precisión y ejecutar campañas más exitosas. Podrás: Comenzar con Python desde el principio Ampliar lo que es posible en Excel con Python Automatizar tareas con Python Analizar datos con mayor precisión. Nota de contenido: Chapter 1: Getting started with Python -- Chapter 2: Writing your own Python scripts -- Chapter 3: Data Analysis with Python -- Chapter 4: Gathering Data with Python -- Chapter 5: Data Visualization -- Chapter 6: Essential Financial Tasks done with Python -- Chapter 7: Essential Digital Marketing Tasks done with Python. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Basic Python for Data Management, Finance, and Marketing : Advance Your Career by Learning the Most Powerful Analytical Tool [documento electrónico] / Yudin, Art, Autor . - 1 ed. . - Berkeley, CA : Apress, 2021 . - XI, 320 p. 222 ilustraciones.
ISBN : 978-1-4842-7189-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Python (lenguaje de programa informático) Pitón Índice Dewey: 5.133 Resumen: Aprenda a recopilar, manipular y analizar datos con Python. Este libro es una guía práctica que le ayudará a empezar a utilizar Python desde cero y hasta el punto en que pueda utilizar la codificación para las tareas cotidianas. Python, la habilidad más demandada por los empleadores, se puede aprender en cuestión de meses y un conocimiento práctico le ayudará a avanzar en su carrera. Este libro le enseñará a hacer números, analizar big data y cambiar de hojas de cálculo a un lenguaje de programación más rápido y eficiente. Se beneficiará de numerosos ejemplos de la vida real diseñados para enfrentar los desafíos mundiales actuales y de una guía paso a paso para convertirse en un usuario seguro de Python. Python se utiliza en todos los aspectos de la industria financiera, desde el comercio de algoritmos, la generación de informes y la gestión de riesgos hasta la creación de modelos de valoración y programas predictivos de aprendizaje automático. Python básico para gestión de datos, finanzas y marketing destaca cómo este lenguaje se ha convertido en una habilidad útil para los especialistas en marketing digital, permitiéndoles analizar datos con mayor precisión y ejecutar campañas más exitosas. Podrás: Comenzar con Python desde el principio Ampliar lo que es posible en Excel con Python Automatizar tareas con Python Analizar datos con mayor precisión. Nota de contenido: Chapter 1: Getting started with Python -- Chapter 2: Writing your own Python scripts -- Chapter 3: Data Analysis with Python -- Chapter 4: Gathering Data with Python -- Chapter 5: Data Visualization -- Chapter 6: Essential Financial Tasks done with Python -- Chapter 7: Essential Digital Marketing Tasks done with Python. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
