Handbuch Data Science mit Python - Jake Vanderplas (Buch)

Jake Vanderplas: Handbuch Data Science mit Python

Handbuch Data Science mit Python

Buch

Grundlegende Tools für die Arbeit mit Daten
Übersetzung: Knut Lorenzen, Jørgen W. Lang

Bewertung:

Wir können nicht sicherstellen, dass die Bewertungen von solchen Verbrauchern stammen, die die Ware tatsächlich genutzt oder erworben haben.

sofort lieferbar

EUR 49,90*

Versandkosten

O'Reilly, 11/2023
Einband: Flexibler Einband
Sprache: Deutsch
ISBN-13: 9783960092254
Bestellnummer: 11554113
Umfang: 576 Seiten
Sonstiges: komplett in Farbe
Gewicht: 1049 g
Maße: 238 x 167 mm
Stärke: 35 mm
Erscheinungstermin: 30.11.2023
Serie: Animals

Klappentext

Der unverzichtbare Werkzeugkasten für Data Science in der 2. Auflage

Das bewährte Standardwerk jetzt in vollständig aktualisierter Neuauflage
Behandelt die neuesten Versionen von IPython, NumPy, pandas, Matplotlib und Scikit-Learn
Die leicht nachvollziehbaren Beispiele helfen Ihnen bei der erfolgreichen Einrichtung und Nutzung der Data-Science-Tools
Inklusive Jupyter Notebooks, die es Ihnen ermöglichen, den Code direkt beim Lesen auszuprobieren

Für viele Data Scientists ist Python die Sprache der Wahl, weil zahlreiche ausgereifte Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar sind. Jake VanderPlas versammelt in dieser 2. Auflage seines Standardwerks alle wichtigen Datenanalyse Tools in einem Band und erläutert deren Einsatz in der Praxis. Beschrieben werden IPython, Jupyter, NumPy, Pandas, Matplotlib, Scikit Learn und verwandte Werkzeuge.

Für Datenanalystinnen und analysten und Data Cruncher mit Python Kenntnissen ist dieses umfassende Handbuch von unschätzbarem Wert bei der Erledigung ihrer täglichen Aufgaben. Dazu gehören die Manipulation, Umwandlung und Bereinigung von Daten, die Visualisierung verschiedener Datentypen sowie die Nutzung von Daten zum Erstellen von Statistiken und Machine Learning Modellen.

Dieses Handbuch beschreibt die folgenden Tools:

IPython und Jupyter bieten eine Umgebung für Berechnungen, die von vielen Data Scientists genutzt wird
NumPy stellt das ndarray zum effizienten Speichern und Bearbeiten dicht gepackter Datenarrays bereit
Pandas verfügt über das DataFrameObjekt für die Speicherung und Manipulation gelabelter und spaltenorientierter Daten
Matplotlib ermöglicht die flexible und vielseitige Visualisierung von Daten
ScikitLearn unterstützt bei der Implementierung der wichtigsten und gebräuchlichsten Algorithmen für das Machine Learning

»Jake beschreibt weit mehr als die Grundlagen dieser Open-Source-Tools; er erläutert die zugrunde liegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« -- Brian Granger, Physikprofessor und Mitbegründer des Jupyter-Projekts