Самоучитель сложные задачи на Python, Книга Пайтон машинное обучение, IPython, NumPy, pandas, Matplotlib, Scikit-Learn, в Украине

Самоучитель сложные задачи на Python, Книга Пайтон машинное обучение, IPython, NumPy, pandas, Matplotlib, Scikit-Learn, Обработка данных на Питон купить в Украине

формат А5, русский язык, чёрно-белая, мягкая обложка, напечатано в Украине. 590 стр.

Python — первоклассный инструмент, и в первую очередь благодаря наличию множества библиотек для хранения, анализа и обработки данных. Отдельные части стека Python описываются во многих источниках, но только в новом издании «Python для сложных задач» вы найдете подробное описание IPython, NumPy, pandas, Matplotlib, Scikit-Learn и др.
Специалисты по обработке данных, знакомые с языком Python, найдут во втором издании решения таких повседневных задач, как обработка, преобразование и подготовка данных, визуализация различных типов данных, использование данных для построения статистических моделей и моделей машинного обучения. Проще говоря, эта книга является идеальным справочником по научным вычислениям в Python.
Краткое содержание
Предисловие.......................................................................................................................................................19
ЧАСТЬ I. JUPYTER: ЗА ПРЕДЕЛАМИ ОБЫЧНОГО PYTHON
Глава 1. Знакомство с IPython и Jupyter...................................................................................................27
Глава 2. Расширенные интерактивные возможности.......................................................................38
Глава 3. Отладка и профилирование........................................................................................................48
ЧАСТЬ II. ВВЕДЕНИЕ В NUMPY
Глава 4. Типы данных в Python.....................................................................................................................64
Глава 5. Введение в массивы NumPy.........................................................................................................72
Глава 6. Вычисления с массивами NumPy: универсальные функции........................................81
Глава 7. Агрегирование: минимум, максимум и все, что посередине.......................................91
Глава 8. Операции над массивами. Транслирование........................................................................97
Глава 9. Сравнения, маски и булева логика........................................................................................104
Глава 10. «Прихотливая» индексация....................................................................................................114
Глава 11. Сортировка массивов...............................................................................................................123
Глава 12. Структурированные данные: структурированные массивы NumPy...................130
ЧАСТЬ III. МАНИПУЛЯЦИИ НАД ДАННЫМИ
С ПОМОЩЬЮ ПАКЕТА PANDAS
Глава 13. Знакомство с объектами библиотеки Pandas.................................................................138
Глава 14. Индексация и выборка данных.............................................................................................147
Глава 15. Операции над данными в библиотеке Pandas...............................................................155
Глава 16. Обработка отсутствующих данных.....................................................................................161
Глава 17. Иерархическая индексация...................................................................................................171
Глава 18. Объединение наборов данных: конкатенация и добавление в конец...............185
Глава 19. Объединение наборов данных: слияние и соединение...........................................191
Глава 20. Агрегирование и группировка.............................................................................................205
Глава 21. Сводные таблицы........................................................................................................................218
Глава 22. Векторизованные операции над строками....................................................................227
Глава 23. Работа с временными рядами...............................................................................................237
Глава 24. Увеличение производительности библиотеки Pandas: eval() и query()..............259
6 Краткое содержание
ЧАСТЬ IV. ВИЗУАЛИЗАЦИЯ
С ПОМОЩЬЮ БИБЛИОТЕКИ MATPLOTLIB
Глава 25. Общие советы по библиотеке Matplotlib.........................................................................269
Глава 26. Простые линейные графики..................................................................................................276
Глава 27. Простые диаграммы рассеяния...........................................................................................287
Глава 28. Графики плотности и контурные графики.......................................................................297

Глава 28. Графики плотности и контурные графики.......................................................................297
Глава 29. Настройка легенд на графиках.............................................................................................308
Глава 30. Настройка цветовых шкал......................................................................................................315
Глава 31. Множественные субграфики.................................................................................................324
Глава 32. Текст и поясняющие надписи................................................................................................332
Глава 33. Настройка делений на осях координат............................................................................340
Глава 34. Настройка Matplotlib: конфигурации и таблицы стилей..........................................349
Глава 35. Построение трехмерных графиков в библиотеке Matplotlib.................................358
Глава 36. Визуализация с помощью библиотеки Seaborn............................................................368
ЧАСТЬ V. МАШИННОЕ ОБУЧЕНИЕ
Глава 37. Что такое машинное обучение.............................................................................................389
Глава 38. Знакомство с библиотекой Scikit-Learn.............................................................................401
Глава 39. Гиперпараметры и проверка модели................................................................................419
Глава 40. Проектирование признаков..................................................................................................437
Глава 41. Заглянем глубже: наивная байесовская классификация..........................................445
Глава 42. Заглянем глубже: линейная регрессия.............................................................................455
Глава 43. Заглянем глубже: метод опорных векторов...................................................................472
Глава 44. Заглянем глубже: деревья решений и случайные леса.............................................489
Глава 45. Заглянем глубже: метод главных компонент..................................................................501
Глава 46. Заглянем глубже: обучение на базе многообразий....................................................515
Глава 47. Заглянем глубже: кластеризация методом k средних................................................534
Глава 48. Заглянем глубже: смеси гауссовых распределений....................................................549
Глава 49. Заглянем глубже: ядерная оценка плотности распределения..............................565
Глава 50. Прикладная задача: конвейер распознавания лиц.....................................................578
Об авторе............................................................................................................................................................589
Иллюстрация на обложке.........................................................................................................................590