Python для сложных задач: наука о данных и машинное обучение. - Плас Дж. Вандер

«Как именно следует изучать Python?» — один из наиболее часто задаваемых мне вопросов на различных технологических конференциях и встречах. Задают его заинтересованные в технологиях студенты, разработчики или исследователи, часто уже со значительным опытом написания кода и использования вычислительного и цифрового инструментария. Большинству из них не нужен язык программирования Python в чистом виде, они хотели бы изучать его, чтобы применять в качестве инструмента для решения задач, требующих вычислений с обработкой больших объемов данных.

Эта книга не планировалась в качестве введения в язык Python или в программирование вообще. Я предполагаю, что читатель знаком с языком Python, включая описание функций, присваивание переменных, вызов методов объектов, управление потоком выполнения программы и решение других простейших задач. Она должна помочь пользователям языка Python научиться применять стек инструментов исследования данных языка Python — такие библиотеки, как IPython, NumPy, Pandas, Matplotlib, Scikit-Learn и соответствующие инструменты, — для эффективного хранения, манипуляции и понимания данных.

За последние несколько десятилетий язык программирования Python превратился в первоклассный инструмент для научных вычислений, включая анализ и визуализацию больших наборов данных. Это может удивить давних поклонников Python: сам по себе этот язык не был создан в расчете на анализ данных или научные вычисления.

Язык программирования Python пригоден для науки о данных в основном благодаря большой и активно развивающейся экосистеме пакетов, созданных сторонними разработчиками:

□             библиотеки NuinPy — для работы с однородными данными в виде массивов;

□             библиотеки Pandas — для работы с неоднородными и поименованными данными;

□             SciPy — для общих научных вычислительных задач;

□             библиотеки Matplotlib — для визуализаций типографского качества;

□             оболочки IPython — для интерактивного выполнения и совместного использования кода;

□             библиотеки Scikit-Learn — для машинного обучения и множества других инструментов, которые будут упомянуты в дальнейшем.

Attachments:
FileОписание
Access this URL (http://www.statosphere.ru/downloads/books/python/05plasdzh.rar)Python для сложных задач: наука о данных и машинное обучение.Python для сложных задач: наука о данных и машинное обучение. - Плас Дж. Вандер

Добавить комментарий


Защитный код
Обновить

 

Яндекс.Метрика

 

 

Краткое содержание

Вход для слушателей