Автор книги обучает навыкам программирования, необходимым для работы в области Data Science и машинного обучения.

Книга начинается с изучения среды Jupyter Notebook, после чего идет введение в основные библиотеки, упрощающие математические вычисления, визуализацию данных, а также выполнение задач машинного обучения и обработку естественного языка.

После изучения основных принципов, вы освоите более углублённые техники для решения сложных задач.

👀 Навигация будет постепенно пополняться. Если вы не нашли нужного материала, напишите в комментариях под этим постом, исправим.

👁 Если вы обнаружили, что какой-либо тег находится в некорректной категории, напишите в комментариях под этим постом.

R отлично подходит для интерактивного анализа данных, однако он обладает множеством уникальных нюансов, которые порой плохо документированы.

Автор книги - эксперт в области R, выявляет и разъясняет неясности этого языка, в том числе знакомит с современными библиотеками, которые существенно облегчают работу. Книга включает в себя не только решения задач, но и детальные комментарии к каждому упражнению.

Это издание направлено на программистов, желающих углубить свои знания в R, но также будет полезно разработчикам, работающим на других языках, которые хотят понять, что делает R таким привлекательным и особенным инструментом в анализе данных.

Эта книга посвящена автоматизации работы с Excel при помощи Python. Рассматриваются дистрибутив Anaconda Python, менеджеры пакетов Conda и pip, блокноты Jupyter и Visual Studio Code. Описаны основные концепции Python и базовые принципы анализа данных с помощью pandas.

Также в книге приводятся методы работы с файлами Excel без использования самого Excel. Особое внимание уделено программированию приложений Excel с использованием пакета xlwings: автоматизация, создание инструментов на Python, применение трекера пакетов и разработка пользовательских функций.

С помощью этого курса вы освоите обработку данных на реальных проектах с использованием Python, изучите его библиотеки для анализа данных и машинного обучения, сможете визуализировать данные.

Научитесь применять алгоритмы supervised learning и unsupervised learning, включая логистическую и линейную регрессию, деревья решений, случайные леса, SVM и кластеризацию K-means.

Также изучите модели временных рядов и ансамблевое обучение (AdaBoost, Gradient Boosting, XGBoost). Попробуете построить рекомендательные системы и заняться text mining. Познакомитесь с deep learning, используя TensorFlow и Keras для работы с Convolutional и Recurrent Neural Networks.

Когда важно, чтобы программа работала быстро и экономила память, на помощь приходят алгоритмы. Книга Джорджа Хайнемана — это практическое руководство, которое кратко и четко объясняет ключевые алгоритмы, применимые в большинстве языков программирования.

Она не требует университетского образования, в отличие от многих учебников с упором на теорию. В книге даны готовые решения, написанные на Python, которые сразу можно использовать для повышения эффективности программ. Алгоритмы сопровождаются иллюстрациями, а исходные коды доступны в открытом доступе.

Эта книга посвящена автоматизации работы с Excel при помощи Python. Рассматриваются дистрибутив Anaconda Python, менеджеры пакетов Conda и pip, блокноты Jupyter и Visual Studio Code. Описаны основные концепции Python и базовые принципы анализа данных с помощью pandas.

Также в книге приводятся методы работы с файлами Excel без использования самого Excel. Особое внимание уделено программированию приложений Excel с использованием пакета xlwings: автоматизация, создание инструментов на Python, применение трекера пакетов и разработка пользовательских функций.

С помощью этого курса вы освоите обработку данных на реальных проектах с использованием Python, изучите его библиотеки для анализа данных и машинного обучения, сможете визуализировать данные.

Научитесь применять алгоритмы supervised learning и unsupervised learning, включая логистическую и линейную регрессию, деревья решений, случайные леса, SVM и кластеризацию K-means.

Также изучите модели временных рядов и ансамблевое обучение (AdaBoost, Gradient Boosting, XGBoost). Попробуете построить рекомендательные системы и заняться text mining. Познакомитесь с deep learning, используя TensorFlow и Keras для работы с Convolutional и Recurrent Neural Networks.

В проектах обработки и анализа данных много движущихся частей, и требуются практика и знания, чтобы создать гармоничную комбинацию кода, алгоритмов, наборов данных, форматов и визуальных представлений. Эта уникальная книга содержит описание пяти практических проектов, включая отслеживание вспышек заболеваний по заголовкам новостей, анализ социальных сетей и поиск закономерностей в данных о переходах по рекламным объявлениям.
Автор не ограничивается поверхностным обсуждением теории и искусственными примерами. Исследуя представленные проекты, вы узнаете, как устранять распространенные проблемы, такие как отсутствующие и искаженные данные и алгоритмы, не соответствующие создаваемой модели. По достоинству оцените подробные инструкции по настройке и детальные обсуждения решений, в которых описываются типичные точки отказа, и обретите уверенность в своих навыках.

С помощью этого курса вы освоите обработку данных на реальных проектах с использованием Python, изучите его библиотеки для анализа данных и машинного обучения, сможете визуализировать данные.

Научитесь применять алгоритмы supervised learning и unsupervised learning, включая логистическую и линейную регрессию, деревья решений, случайные леса, SVM и кластеризацию K-means.

Также изучите модели временных рядов и ансамблевое обучение (AdaBoost, Gradient Boosting, XGBoost). Попробуете построить рекомендательные системы и заняться text mining. Познакомитесь с deep learning, используя TensorFlow и Keras для работы с Convolutional и Recurrent Neural Networks.

С помощью этого курса вы освоите обработку данных на реальных проектах с использованием Python, изучите его библиотеки для анализа данных и машинного обучения, сможете визуализировать данные.

Научитесь применять алгоритмы supervised learning и unsupervised learning, включая логистическую и линейную регрессию, деревья решений, случайные леса, SVM и кластеризацию K-means.

Также изучите модели временных рядов и ансамблевое обучение (AdaBoost, Gradient Boosting, XGBoost). Попробуете построить рекомендательные системы и заняться text mining. Познакомитесь с deep learning, используя TensorFlow и Keras для работы с Convolutional и Recurrent Neural Networks.

Когда важно, чтобы программа работала быстро и экономила память, на помощь приходят алгоритмы. Книга Джорджа Хайнемана — это практическое руководство, которое кратко и четко объясняет ключевые алгоритмы, применимые в большинстве языков программирования.

Она не требует университетского образования, в отличие от многих учебников с упором на теорию. В книге даны готовые решения, написанные на Python, которые сразу можно использовать для повышения эффективности программ. Алгоритмы сопровождаются иллюстрациями, а исходные коды доступны в открытом доступе.

Эта книга посвящена автоматизации работы с Excel при помощи Python. Рассматриваются дистрибутив Anaconda Python, менеджеры пакетов Conda и pip, блокноты Jupyter и Visual Studio Code. Описаны основные концепции Python и базовые принципы анализа данных с помощью pandas.

Также в книге приводятся методы работы с файлами Excel без использования самого Excel. Особое внимание уделено программированию приложений Excel с использованием пакета xlwings: автоматизация, создание инструментов на Python, применение трекера пакетов и разработка пользовательских функций.

Когда важно, чтобы программа работала быстро и экономила память, на помощь приходят алгоритмы. Книга Джорджа Хайнемана — это практическое руководство, которое кратко и четко объясняет ключевые алгоритмы, применимые в большинстве языков программирования.

Она не требует университетского образования, в отличие от многих учебников с упором на теорию. В книге даны готовые решения, написанные на Python, которые сразу можно использовать для повышения эффективности программ. Алгоритмы сопровождаются иллюстрациями, а исходные коды доступны в открытом доступе.

R отлично подходит для интерактивного анализа данных, однако он обладает множеством уникальных нюансов, которые порой плохо документированы.

Автор книги - эксперт в области R, выявляет и разъясняет неясности этого языка, в том числе знакомит с современными библиотеками, которые существенно облегчают работу. Книга включает в себя не только решения задач, но и детальные комментарии к каждому упражнению.

Это издание направлено на программистов, желающих углубить свои знания в R, но также будет полезно разработчикам, работающим на других языках, которые хотят понять, что делает R таким привлекательным и особенным инструментом в анализе данных.

Эта книга посвящена автоматизации работы с Excel при помощи Python. Рассматриваются дистрибутив Anaconda Python, менеджеры пакетов Conda и pip, блокноты Jupyter и Visual Studio Code. Описаны основные концепции Python и базовые принципы анализа данных с помощью pandas.

Также в книге приводятся методы работы с файлами Excel без использования самого Excel. Особое внимание уделено программированию приложений Excel с использованием пакета xlwings: автоматизация, создание инструментов на Python, применение трекера пакетов и разработка пользовательских функций.