| Título : |
Practical Data Science with Python 3 : Synthesizing Actionable Insights from Data |
| Tipo de documento: |
documento electrónico |
| Autores: |
Varga, Ervin, Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
Berkeley, CA : Apress |
| Fecha de publicación: |
2019 |
| Número de páginas: |
XVII, 462 p. 94 ilustraciones |
| ISBN/ISSN/DL: |
978-1-4842-4859-1 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Grandes datos Fuente abierta Pitón Software de código abierto Python (lenguaje de programa informático) |
| Índice Dewey: |
005.133 Lenguajes de propósito general |
| Resumen: |
Obtenga información sobre las habilidades esenciales de la ciencia de datos de manera holística utilizando la ingeniería de datos y los métodos computacionales escalables asociados. Este libro cubre los marcos de Python 3 más populares para el procesamiento local y distribuido (en las instalaciones y en la nube). A lo largo del camino, se le presentarán muchos marcos populares de código abierto, como SciPy, scikitlearn, Numba, Apache Spark, etc. El libro está estructurado en torno a ejemplos, por lo que comprenderá conceptos básicos a través de estudios de casos y código Python 3. A medida que los proyectos de ciencia de datos se vuelven cada vez más grandes y complejos, el conocimiento y la experiencia en ingeniería de software son cruciales para producir soluciones evolucionables. Verá cómo crear software mantenible para la ciencia de datos y cómo documentar las prácticas de ingeniería de datos. Este libro es un buen punto de partida para las personas que desean adquirir habilidades prácticas para realizar ciencia de datos. Todo el código estará disponible en forma de cuadernos IPython y programas Python 3, que le permitirán reproducir todos los análisis del libro y personalizarlos para sus propios fines. También se beneficiará de temas avanzados como aprendizaje automático, sistemas de recomendación y seguridad en ciencia de datos. La ciencia de datos práctica con Python le permitirá analizar datos, formular preguntas adecuadas y producir conocimientos prácticos, tres etapas centrales en la mayoría de los esfuerzos de ciencia de datos. |
| Nota de contenido: |
Chapter 1.Introduction to Data Science -- Chapter 2.Data Acquisition -- Chapter 3.Basic Data Processing -- Chapter 4.Documenting Work -- Chapter 5.Transformation and Packaging of Data -- Chapter 6.Visualization -- Chapter 7.Prediction and Inference -- Chapter 8.Network Analysis -- Chapter 9.Data Science Process Engineering -- Chapter 10. Multi-agent Systems, Game Theory and Machine Learning -- Chapter 11. Probabilistic Graphical Models -- Chapter 12. Security in Data Science. |
| 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 |
Practical Data Science with Python 3 : Synthesizing Actionable Insights from Data [documento electrónico] / Varga, Ervin, Autor . - 1 ed. . - Berkeley, CA : Apress, 2019 . - XVII, 462 p. 94 ilustraciones. ISBN : 978-1-4842-4859-1 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Grandes datos Fuente abierta Pitón Software de código abierto Python (lenguaje de programa informático) |
| Índice Dewey: |
005.133 Lenguajes de propósito general |
| Resumen: |
Obtenga información sobre las habilidades esenciales de la ciencia de datos de manera holística utilizando la ingeniería de datos y los métodos computacionales escalables asociados. Este libro cubre los marcos de Python 3 más populares para el procesamiento local y distribuido (en las instalaciones y en la nube). A lo largo del camino, se le presentarán muchos marcos populares de código abierto, como SciPy, scikitlearn, Numba, Apache Spark, etc. El libro está estructurado en torno a ejemplos, por lo que comprenderá conceptos básicos a través de estudios de casos y código Python 3. A medida que los proyectos de ciencia de datos se vuelven cada vez más grandes y complejos, el conocimiento y la experiencia en ingeniería de software son cruciales para producir soluciones evolucionables. Verá cómo crear software mantenible para la ciencia de datos y cómo documentar las prácticas de ingeniería de datos. Este libro es un buen punto de partida para las personas que desean adquirir habilidades prácticas para realizar ciencia de datos. Todo el código estará disponible en forma de cuadernos IPython y programas Python 3, que le permitirán reproducir todos los análisis del libro y personalizarlos para sus propios fines. También se beneficiará de temas avanzados como aprendizaje automático, sistemas de recomendación y seguridad en ciencia de datos. La ciencia de datos práctica con Python le permitirá analizar datos, formular preguntas adecuadas y producir conocimientos prácticos, tres etapas centrales en la mayoría de los esfuerzos de ciencia de datos. |
| Nota de contenido: |
Chapter 1.Introduction to Data Science -- Chapter 2.Data Acquisition -- Chapter 3.Basic Data Processing -- Chapter 4.Documenting Work -- Chapter 5.Transformation and Packaging of Data -- Chapter 6.Visualization -- Chapter 7.Prediction and Inference -- Chapter 8.Network Analysis -- Chapter 9.Data Science Process Engineering -- Chapter 10. Multi-agent Systems, Game Theory and Machine Learning -- Chapter 11. Probabilistic Graphical Models -- Chapter 12. Security in Data Science. |
| 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 |
|  |
Practical Data Science with Python 3
