Самовчитель складні завдання на Python, Книга Пайтон машинне навчання, IPython, NumPy, pandas, Matplotlib, Scikit-Learn, в Україні

Самовчитель складні завдання на Python, Книга Пайтон машинне навчання, IPython, NumPy, pandas, Matplotlib, Scikit-Learn, Обробка даних на Пітон купити в Україні

формат А5, російська мова, чорно-біла, м'яка обкладинка надруковано в Україні. 590 стор.

Python є першокласним інструментом, і в першу чергу завдяки наявності безлічі бібліотек для зберігання, аналізу та обробки даних. Окремі частини стека Python описуються в багатьох джерелах, але тільки в новому виданні «Python для складних завдань» ви знайдете докладний опис IPython, NumPy, pandas, Matplotlib, Scikit-Learn та ін.
Фахівці з обробки даних, знайомі з мовою Python, знайдуть у другому виданні рішення таких повсякденних завдань, як обробка, перетворення та підготовка даних, візуалізація різних типів даних, використання даних для побудови статистичних моделей та моделей машинного навчання. Простіше кажучи, ця книга є ідеальним довідником з наукових обчислень у Python.
Короткий зміст
Передмова.......................................................................................................................................................19
ЧАСТИНА I. JUPYTER: ЗА МЕЖАМИ ЗВИЧАЙНОГО PYTHON
Глава 1. Знайомство з IPython і Jupyter...................................................................................................27
Розділ 2. Розширені інтерактивні можливості.........................................................................38
Глава 3. Налагодження та профільування.....................................................................................................................48
ЧАСТИНА ІІ. ВСТУП У NUMPY
Розділ 4. Типи даних у Python.....................................................................................................................64
Глава 5. Введення в масиви NumPy.........................................................................................................72
Глава 6. Обчислення з масивами NumPy: універсальні функції........................................81
Глава 7. Агрегування: мінімум, максимум і все, що посередині...........................91
Розділ 8. Операції над масивами. Транслювання........................................................................97
Глава 9. Порівняння, маски та булева логіка........................................................................................104
Глава 10. «Примхлива» індексація................................................................................................................114
Глава 11. Сортування масивів..................................................................................................................123
Глава 12. Структуровані дані: структуровані масиви NumPy......130
ЧАСТИНА ІІІ. МАНІПУЛЯЦІЇ НАД ДАНИМИ
ЗА ДОПОМОГОЮ ПАКЕТУ PANDAS
Глава 13. Знайомство з об'єктами бібліотеки Pandas................................................................138
Глава 14. Індексація та вибірка даних.............................................................................................147
Розділ 15. Операції над даними у бібліотеці Pandas...............................................................155
Глава 16. Обробка відсутніх даних.....................................................................................161
Глава 17. Ієрархічна індексація...................................................................................................171
Глава 18. Об'єднання наборів даних: конкатенація та додавання до кінця...............185
Глава 19. Об'єднання наборів даних: злиття та з'єднання...........................................191
Глава 20. Агрегування та угруповання.............................................................................................205
Глава 21. Зведені таблиці........................................................................................................................218
Глава 22. Векторизовані операції над рядками..................................................................227
Глава 23. Робота з тимчасовими рядами...............................................................................................237
Глава 24. Збільшення продуктивності бібліотеки Pandas: eval() і query()..............259
6 Короткий зміст
ЧАСТИНА IV. ВІЗУАЛІЗАЦІЯ
ЗА ДОПОМОГОЮ БІБЛІОТЕКИ MATPLOTLIB
Глава 25. Загальні поради з бібліотеки Matplotlib.........................................................................269
Глава 26. Прості лінійні графіки..................................................................................................276
Глава 27. Прості діаграми розсіювання...........................................................................................287
Глава 28. Графіки щільності та контурні графіки.......................................................................297

Глава 28. Графіки щільності та контурні графіки.......................................................................297
Глава 29. Налаштування легенд на графіках.............................................................................................308
Глава 30. Налаштування колірних шкал...................................................................................................................315
Глава 31. Множинні субграфіки.................................................................................................324
Глава 32. Текст та пояснювальні написи................................................................................................332
Глава 33. Налаштування поділів на осях координат............................................................................340
Розділ 34. Налаштування Matplotlib: конфігурації та таблиці стилів.........................349
Розділ 35. Побудова тривимірних графіків у бібліотеці Matplotlib 358
Розділ 36. Візуалізація за допомогою бібліотеки Seaborn............................................................368
ЧАСТИНА V. МАШИННЕ НАВЧАННЯ
Глава 37. Що таке машинне навчання..........................................................................................................389
Глава 38. Знайомство з бібліотекою Scikit-Learn.............................................................................401
Глава 39. Гіперпараметри та перевірка моделі................................................................................419
Глава 40. Проектування ознак.................................................................................................................437
Глава 41. Заглянемо глибше: наївна байєсовськая класифікація...........................445
Глава 42. Заглянемо глибше: лінійна регресія.............................................................................455
Розділ 43. Заглянемо глибше: метод опорних векторів...................................................................472
Глава 44. Заглянемо глибше: дерева рішень і випадкові ліси.
Розділ 45. Заглянемо глибше: метод основних компонентів..................................................................501
Глава 46. Заглянемо глибше: навчання з урахуванням різноманіттям......................................................515
Глава 47. Заглянемо глибше: кластеризація методом k середніх 534
Розділ 48. Заглянемо глибше: суміші гаусових розподілів..................................................549
Глава 49. Заглянемо глибше: ядерна оцінка щільності розподілу..............................565
Розділ 50. Прикладне завдання: конвеєр розпізнавання осіб.....................................................578
Про автора...............................................................................................................................................................589
Ілюстрація на обкладинці.........................................................................................................................590