Andere Kunden interessierten sich auch für
![Numerisches Python]( "Numerisches Python")
Numerisches Python29,99 €![Datenanalyse mit Python (eBook, PDF)]( "Datenanalyse mit Python (eBook, PDF)")
Datenanalyse mit Python (eBook, PDF)44,90 €![Maschinelles Lernen]( "Maschinelles Lernen")
Maschinelles Lernen39,99 €![Data-Science-Crashkurs]( "Data-Science-Crashkurs")
Data-Science-Crashkurs34,90 €![Angewandte Statistik (eBook, PDF)]( "Angewandte Statistik (eBook, PDF)")
Angewandte Statistik (eBook, PDF)62,99 €![Machine Learning für Zeitreihen]( "Machine Learning für Zeitreihen")
Machine Learning für Zeitreihen39,99 €![C++ (eBook, PDF)]( "C++ (eBook, PDF)")
C++ (eBook, PDF)39,90 €
Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen EinsatzPython effizient für datenintensive Berechnungen einsetzen mit IPython und JupyterLaden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und PandasVisualisierung von Daten mit Matplotlib
Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools.
Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen.
Dieses Handbuch erläutert die Verwendung der folgenden Tools:
IPython und Jupyter für datenintensive BerechnungenNumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in PythonMatplotlib für vielfältige Möglichkeiten der Visualisierung von DatenScikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings
Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt.
Leserstimme zum Buch:
»Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weitüber die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.«
- Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts
Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools.
Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen.
Dieses Handbuch erläutert die Verwendung der folgenden Tools:
IPython und Jupyter für datenintensive BerechnungenNumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in PythonMatplotlib für vielfältige Möglichkeiten der Visualisierung von DatenScikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings
Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt.
Leserstimme zum Buch:
»Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weitüber die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.«
- Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts
»Sehr guter Kompromiss zwischen Theorie und Praxis. Code und Notebook sind sehr gut!« (Daniel Zoufiné Lauer-Baré, Duale Hochschule Baden-Württemberg Mannheim, 02/2020)
»Sehr umfangreiches Werk. Wichtige Bereiche für das Thema werden sehr gut abgedeckt und dargestellt.« (Prof. Dr.-Ing. Gerold Bausch, Hochschule für Technik, Wirtschaft und Kultur Leipzig , 01/2020)
»Sehr umfangreiches Werk. Wichtige Bereiche für das Thema werden sehr gut abgedeckt und dargestellt.« (Prof. Dr.-Ing. Gerold Bausch, Hochschule für Technik, Wirtschaft und Kultur Leipzig , 01/2020)