如今，大量杂乱的数据为人们从未想过要问的问题提供了答案。这本书为你提供了挖掘这些答案的诀窍。
作者:乔尔·格鲁斯
出版者:O ' reilly媒体
国际标准图书编号:9781492041108
类别:电脑
页面:398
观点:183
数据科学库、框架、模块和工具包非常适合进行数据科学研究，但它们也是在不真正理解数据科学的情况下深入研究该学科的好方法。有了这个更新的第二版，您将通过从头开始实现它们来了解有多少最基本的数据科学工具和算法。如果你有数学天赋和一些编程技能，作者Joel Grus将帮助你熟悉数据科学核心的数学和统计，以及作为数据科学家开始所需的黑客技能。如今，大量杂乱的数据为人们从未想过要问的问题提供了答案。这本书为你提供了挖掘这些答案的诀窍。- Tariq Rashid hat eine besondere Fähigkeit, schwierige Konzepte verständlich zu erklären, dadurch werden Neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar。
作者:塔里克·拉希德
出版者:
国际标准图书编号:1492064041
类别:
页面:232
观点:745
Neuronale Netze信德Schlüsselelemente des Deep Learning under Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage信德。Dennoch versteen nur wenige, wie Neuronale Netze tatsächlich funktionieren。diees Buch niimt Sie mit auf eine unterhaltsame Reise, die mit einfachen Ideen开始和Ihnen Schritt für Schritt zeigt, wie Neuronale Netze arbeiten。Dafür法国数学学院和插画学院erläutert。Dann geht es in die Praxis: Sie programmieren Ihr eigenes Neuronales netmit Python and bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie in professional entwickeltes neterreicht。树莓派零劳芬。- Tariq Rashid hat eine besondere Fähigkeit, schwierige Konzepte verständlich zu erklären, dadurch werden Neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar。天鹤座,J。从零开始的数据科学：Python的基本原则，第二版，奥莱利媒体，美国纽约，2019年5月。2.Meitiner, P.和Seneviratne, P.，开始数据科学单板计算机上的物联网和人工智能:核心技能和…
作者: Archana Patel
出版者:John Wiley & Sons
国际标准图书编号:9781119864981
类别:电脑
页面:469
观点:557
本书将成为下一代使用语义技术应用数据科学的重要指南，从而成为该领域学者、研究人员、专业人员和从业者的独特资源。为了在数据科学中创造智能，有必要利用语义技术，允许机器可读的数据表示。这种智能使用通用业务术语唯一地标识和连接数据，还允许用户与数据进行通信。语义技术不是结构化数据，而是通过使用语义、本体、OWL、链接数据和知识图等概念帮助用户理解数据的含义。这些技术帮助组织了解所有存储的数据，增加其中的价值，并实现以前无法获得的见解。由于数据是任何组织最重要的资产，因此在数据科学中应用语义技术来满足任何组织的需求是必不可少的。语义技术的数据科学为语义技术在数据科学领域的部署提供了路线图。此外，它还强调了数据科学如何使用户能够通过这些技术来创造智能，探索当前和未来时间框架内的机会和消除挑战。此外，本书还提供了各种问题的答案，如:语义技术能够促进数据科学吗?语义技术可以解决哪些类型的数据科学问题? How can data scientists benefit from these technologies? What is knowledge data science? How does knowledge data science relate to other domains? What is the role of semantic technologies in data science? What is the current progress and future of data science with semantic technologies? Which types of problems require the immediate attention of researchers? Audience Researchers in the fields of data science, semantic technologies, artificial intelligence, big data, and other related domains, as well as industry professionals, software engineers/scientists, and project managers who are developing the software for data science. Students across the globe will get the basic and advanced knowledge on the current state and potential future of data science.从零开始的数据科学：Python的基本原则-这可能是我读过的第一本关于数据科学的书之一。它实际上是从基础知识开始的，不假设你有任何Python知识。非常适合绝对初学者!
作者: Przemek Chojecki
出版者:Przemek Chojecki
国际标准图书编号:
类别:电脑
页面:One hundred.
观点:490
我们生活在一个数字世界。全球经济的大部分都是数字化的，数据的总量是惊人的。现在是2020年，我们生活在未来。数据科学家是目前市场上最热门的工作之一。对数据科学的需求是巨大的，而且只会增长，而且似乎会比数据科学家的实际数量增长得快得多。所以，如果你想改变职业，成为一名数据科学家，现在是时候了。这本书将指导你完成这个过程。从我作为项目经理、数据科学顾问或CTO在多家公司工作的经验中，我能够看到招聘数据科学家和建立数据科学团队的过程。我知道作为一名数据科学家，你的第一份工作最重要的是什么，你应该获得什么技能，你应该在面试中展示什么。使用Python进行自然语言处理。O'Reilly & Associates, Inc.，塞瓦斯托波尔，加利福尼亚州，2009年。本Forta。MySQL速成班。萨姆斯出版社，印第安纳波利斯，2005年。乔尔天鹤座。从零开始的数据科学：Python的基本原则．
作者:季诺维也夫
出版者:务实的书架
国际标准图书编号:9781680503388
类别:商业与经济
页面:226
观点:914
从存储在SQL和NoSQL数据库中的凌乱、非结构化工件到一个整洁、组织良好的数据集，为繁忙的数据科学家提供快速参考。了解文本挖掘、机器学习和网络分析;使用NumPy和Pandas模块处理数值数据;使用统计和网络理论方法描述和分析数据;并查看实际工作中的数据分析示例。这个一站式解决方案涵盖了Python中所需的基本数据科学。就学术研究、学生招生和就业而言，数据科学是增长最快的学科之一。Python凭借其灵活性和可伸缩性，在数据科学项目中迅速超越R语言。通过这个模块，快速参考用于获取、清理、分析和存储数据的工具，让Python数据科学概念触手可及。这个一站式解决方案涵盖了基本的Python、数据库、网络分析、自然语言处理、机器学习元素和可视化。 Access structured and unstructured text and numeric data from local files, databases, and the Internet. Arrange, rearrange, and clean the data. Work with relational and non-relational databases, data visualization, and simple predictive analysis (regressions, clustering, and decision trees). See how typical data analysis problems are handled. And try your hand at your own solutions to a variety of medium-scale projects that are fun to work on and look good on your resume. Keep this handy quick guide at your side whether you're a student, an entry-level data science professional converting from R to Python, or a seasoned Python developer who doesn't want to memorize every function and option. What You Need: You need a decent distribution of Python 3.3 or above that includes at least NLTK, Pandas, NumPy, Matplotlib, Networkx, SciKit-Learn, and BeautifulSoup. A great distribution that meets the requirements is Anaconda, available for free from www.continuum.io. If you plan to set up your own database servers, you also need MySQL (www.mysql.com) and MongoDB (www.mongodb.com). Both packages are free and run on Windows, Linux, and Mac OS.数据科学从零开始：python的基本原理．8.奥莱利传媒。亨特，J.(2019)。Python中的正则表达式。参见Python 3编程高级指南(第257271页)。施普林格，Cham. 9。佩恩，j.r.(2019)。
作者:编辑IJSMI
出版者:国际统计与医学信息学杂志
国际标准图书编号:9781708620288
类别:电脑
页面:101
观点:585
Python编程语言是一种开源的编程语言，可以在不同的操作系统下使用。Python编程以其灵活性、适应性和代码可重用性等重要特性重新定义了编程概念。Python编程语言有大量的库或模块，可以帮助程序员节省时间。本书首先概述了基本的Python主题，如数据结构、数据类型、条件和控件、函数、列表、文件处理以及处理外部数据集和数据库连接。这本书还涵盖了数据科学的主题，如图形和图表可视化，统计建模，文本挖掘和机器学习算法。这本书使用了流行的Python库，如matplotlib、sciket-learn和numpy，来执行图形化和机器学习相关的任务。如果用户熟悉R软件包，建议参考作者的著作《Machine Learning: An overview with R software package》(ISBN- 978-1790122622)， R软件包也是一个开源软件包。该书要求用户下载Python 3.0版本和任何集成开发环境(IDE)，如Liclipse、Wing、PyCharm和Eric。编辑国际统计与医学信息学杂志www.ijsmi.com/book.php https://www.amazon.com/dp/1708620281(Paper后)https://www.amazon.com/DP/B081K1SD4K(电子书)与计算机科学等其他领域相比，统计学在数据科学中的作用一直不那么重要。在数据领域…乔天鹤座,用Python从头开始的数据科学第一原理．
作者: Pallavi Vijay Chavan
出版者:CRC的新闻
国际标准图书编号:9781000613421
类别:电脑
页面:322
观点:814
这本书以全面的方式涵盖了数据科学的主题，并综合了一个现已达到成熟的研究领域的基础和高级主题。这本书从数据科学的基本概念开始。它强调了数据的类型及其使用和重要性，然后讨论了数据科学的广泛应用和数据科学中广泛使用的技术。•提供了国际上受尊敬的数据科学领域的科学研究方法、技术和应用的集合。•通过将数据科学技术应用于现实生活应用，展示预测结果。•为读者提供现代人工智能方法所需的工具、技术和案例。•为读者提供了各种可以使用数据科学及其相关领域设计的智能应用程序。这本书主要针对学习机器学习和数据科学的高级本科生和研究生。研究人员和专业人士也会发现这本书很有用。从零开始的数据科学：Python的基本原则．O ' reilly媒体。•Prevos, P.(2019)。战略数据科学原则:从大小数据中创造价值。邮编出版有限公司要成功地开展数据科学…
作者:安杰莉卡·洛·杜卡
出版者:邮编出版有限公司
国际标准图书编号:9781801814355
类别:电脑
页面:402
观点:224
使用Comet关键特性获得管理数据科学项目所需的关键知识和技能发现构建、监控和优化数据科学项目的技术使用Comet和DevOps工具从原型开发到生产掌握Comet实验平台这本书提供了可用于快速构建、监控和优化数据科学项目的概念和实际用例。使用Comet，您将学习如何管理从数据收集到创建、部署和监视机器学习模型的数据科学过程的几乎每一步。本书首先解释了Comet的特征，以及Comet中的探索性数据分析和模型评估。您将看到Comet如何让您从一系列编程语言中自由选择，这取决于哪种语言最适合您的需要。接下来，您将关注工作区、项目、实验和模型。您还将学习如何使用Comet提供的功能从数据构建叙述。稍后，您将回顾DevOps背后的基本概念，以及如何使用Comet扩展GitLab DevOps平台，进一步增强您部署数据科学项目的能力。最后，您将学习Comet在机器学习、NLP、深度学习和时间序列分析中的各种用例，获得一些最有趣和最有价值的可用数据科学技术的实践经验。在本书的最后，您将能够自信地根据定制的规范构建数据科学管道，并通过Comet管理它们。你将学习准备你的项目有了正确的数据理解不同的机器学习算法得到的目的与彗星运行管理和监控您的管道理解彗星是如何工作的以及如何充分利用它看到机器学习如何使用Comet发现如何整合彗星GitLab NLP与彗星,深度学习,和时间序列分析对这本书这本书是对那些有编程经验, and wants to learn how to manage and optimize a complete data science lifecycle using Comet and other DevOps platforms. Although an understanding of basic data science concepts and programming concepts is needed, no prior knowledge of Comet and DevOps is required.以下是一些可供进一步阅读的书籍:•数据科学导论:概念的Python方法，……数据科学与工程(编辑:Roger Lee从零开始的数据科学：Python的基本原则1日……
作者:乌斯曼·卡马尔
出版者:施普林格自然
国际标准图书编号:9789811561337
类别:电脑
页面:196
观点:232
这本书全面地涵盖了数据科学的主题。数据科学是一个涵盖性的术语，包括数据分析、数据挖掘、机器学习和其他几个相关学科。这本书综合了一个现已成熟的研究领域的基本和高级主题。本书的章节分为三个部分:第一部分是数据科学介绍。从基本概念开始，本书将重点介绍数据的类型、使用、重要性以及数据分析中通常面临的问题。然后讨论数据科学的广泛应用和数据科学中广泛使用的技术。第二部分专门介绍数据科学的工具和技术。它包括数据预处理、特征选择、分类和聚类概念，以及文本挖掘和观点挖掘的介绍。最后，本书的第三部分重点介绍了数据科学项目常用的两种编程语言，即Python和R编程语言。虽然这本书主要作为教科书，但它也将吸引工业从业者和研究人员，因为它注重应用和参考。 The book is suitable for both undergraduate and postgraduate students as well as those carrying out research in data science. It can be used as a textbook for undergraduate students in computer science, engineering and mathematics. It can also be accessible to undergraduate students from other areas with the adequate background. The more advanced chapters can be used by postgraduate researchers intending to gather a deeper theoretical understanding.数据科学从零开始：python的基本原理．奥莱利传媒，2019年。2.孙兆浩，孙丽哲，还有肯尼斯·斯特朗。“增强商业智能的大数据分析服务。”计算机信息系统杂志…
作者: Prateek Agrawal
出版者:John Wiley & Sons
国际标准图书编号:9781119775614
类别:电脑
页面:276
观点:267
机器学习和数据科学由该领域的专家团队撰写和编辑，这一系列论文反映了工业、政府和学术界机器学习和数据科学的最新和全面的现状。机器学习(ML)和数据科学(DS)在理论和应用方面都是非常活跃的主题，具有广泛的范围。它们已经成为一个重要的新兴科学领域和范式，推动了统计学、计算科学和智能科学等学科的研究发展，以及科学、工程、公共部门、商业、社会科学和生活方式等领域的实践转变。与此同时，它们的应用提供了重要的挑战，这些挑战往往只能通过创新的机器学习和数据科学算法来解决。这些算法涵盖了人工智能、数据分析、机器学习、模式识别、自然语言理解和大数据操作等更广泛的领域。他们还应对相关的新的科学挑战，从数据捕获、创建、存储、检索、共享、分析、优化和可视化，到跨异构和相互依赖的复杂资源的综合分析，以更好的决策、协作，并最终实现价值创造。