Новая книга была добавлена в корзину

- Изучите программирование на языке Python для анализа данных и статистики
- Пишите код в облаке, используя Google Colab
- Обменивайтесь данными и визуализируйте информацию

Интересуетесь наукой о данных, но немного побаиваетесь? Не нужно!
Книга "Python и наука о данных для чайников, 2-е издание" покажет, как использовать язык Python для создания интересных вещей с помощью науки о данных. Вы увидите, как установить набор инструментов Anaconda, благодаря которому работа с Python станет очень простой. Здесь вы откроете для себя инструмент Google Colab, позволяющий писать код в облаке с помощью обычного планшета. Вы узнаете, как выполнять все виды вычислений, используя последнюю версию языка Python. Вы также научитесь использовать различные библиотеки, обеспечивающие научный статистический анализ, построение диаграмм, графиков и многое другое.

В книге "Python и наука о данных для чайников, 2-е издание":
- Настройка Python для науки о данных
- Работа с Jupyter Notebook
- Сбор и формирование данных
- Графика с использованием MatPlotLib
- Способы анализа данных
- Как получить больше от Python
- Полезные алгоритмы науки о данных
- Десять важных ресурсов данных

Об авторах:
Джон Пол Мюллер — внештатный автор и технический редактор, автор более 100 книг по таким темам, как работа с сетями, домашняя безопасность, управление базами данных и программирование.
Лука Массарон — аналитик данных, специализирующийся на организации и интерпретации больших данных и их преобразовании в интеллектуальные данные. Является экспертом Google Developer Expert (GDE) в области машинного обучения



Оглавление книги "Python и наука о данных для чайников, 2-е издание"




Введение 20
Часть 1. Приступая к работе с наукой о данных и языком Python 27
Глава 1. Взаимосвязь науки о данных с языком Python 29
Глава 2. Возможности и чудеса языка Python 43
Глава 3. Конфигурация Python для науки о данных 65
Глава 4. Работа с Google Colab 87
Часть 2. Данные 115
Глава 5. Инструменты 117
Глава 6. Работа с реальными данными 135
Глава 7. Подготовка данных 159
Глава 8. Формирование данных 187
Глава 9. Применение знаний на практике 207
Часть 3. Визуализация информации 221
Глава 10. Ускоренный курс по MatPlotLib 223
Глава 11. Визуализация данных 241
Часть 4. Манипулирование данными 269
Глава 12. Расширение возможностей Python 271
Глава 13. Разведочный анализ данных 293
Глава 14. Уменьшение размерности 317
Глава 15. Кластеризация 337
Глава 16. Поиск выбросов в данных 357
Часть 5. Обучение на данных 373
Глава 17. Четыре простых, но эффективных алгоритма 375
Глава 18. Перекрестная проверка, отбор и оптимизация 395
Глава 19. Увеличение сложности с помощью линейных
и нелинейных трюков 419
Глава 20. Сила единения 461
Часть 6. Великолепные десятки 481
Глава 21. Десять основных источников данных 483
Глава 22. Десять задач, которые вы должны решить 491
Предметный указатель 501