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

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