Python para la ciencia de datos: Guía completa de consejos y trucos utilizando teorías de la ciencia de datos en Python

Python para la ciencia de datos es una guía completa sobre cómo realizar ciencia de datos con Python. Este libro es para estudiantes, investigadores y desarrolladores con mentalidad técnica y una amplia experiencia en la escritura de código, así como en el uso de herramientas numéricas y computacionales. Sin embargo, muchos de ustedes tal vez no deseen aprender Python, sino que deseen aprender el lenguaje con la esperanza de utilizarlo como un medio para la ciencia computacional y de uso intensivo de datos. El objetivo de este libro no es servir como una especie de introducción a Python o incluso a la programación en general; presuponemos que los lectores que tengan este libro ya poseen una gran cantidad de conocimientos sobre el lenguaje Python, lo que incluye la asignación de variables, la definición de funciones, el control del flujo de un programa, la llamada a métodos de objetos y otras operaciones básicas. Más bien, el libro fue elaborado para ayudar a los usuarios de Python a comprender cómo usar el stack de ciencia de datos de Python, con bibliotecas que incluyen NumPy, pandas, Matplotlib y otras herramientas, con el objetivo de manipular, almacenar y obtener información de los datos de manera efectiva. En este libro, cubriremos una variedad de temas, incluidas varias bibliotecas, como NumPy, que ofrece el ndarray para la manipulación y el almacenamiento eficientes de matrices de datos densas en Python. Luego, podrá aprender a manipular datos usando Pandas, una biblioteca que ofrece el objeto DataFrame para la manipulación y el almacenamiento eficientes de datos columnares/etiquetados en Python. Después de eso, hablaremos sobre la biblioteca Matplotlib y cómo proporciona una gama de capacidades de visualización de datos flexibles en Python. Luego hablaremos sobre los tipos de aprendizaje automático involucrados, incluido el aprendizaje supervisado y no supervisado. Por último, terminaremos con el análisis de regresión múltiple, que es una combinación de técnicas que nos ayudan a estudiar las relaciones lineales entre dos o más variables. Además, este libro está respaldado por una serie de ejemplos y estudios de casos para ayudar a aclarar cualquier cosa que sea demasiado difícil de absorber para usted. Confiamos en que se convertirá en un excelente científico de datos en el futuro.

Autor: Ethan Williams
Editorial: Publicado de forma independiente
Publicado: 01/03/2020
Páginas: 202
Tipo de encuadernación: Tapa blanda
Peso: 0.61 libras
Tamaño: 9.02 alto x 5.98 ancho x 0.43 profundidad
ISBN13: 9781654982195
ISBN10: 1654982199
Categorías BISAC:
- Informática | Software educativo

Este título no es retornable