Handbuch Data Science mit Python

Name: Handbuch Data Science mit Python
Price: 49.9 EUR
Availability: InStock
Author: Jake VanderPlas
ISBN: 9783960092254

Grundlegende Tools für die Arbeit mit Daten

Behandelt die neuesten Versionen von IPython, NumPy, pandas, Matplotlib

Verlag	OReilly (dpunkt)
Autor:in	Jake VanderPlas
Fassung	574 Seiten, Softcover
Erschienen	12/2023
ISBN	978-3-96009-225-4 9783960092254

Buch

€49,90 inkl. MwSt.

Best.-Nr.: OR-225

Versandkostenfrei (D)

Sofort lieferbar

Handbuch Data Science mit Python

Grundlegende Tools für die Arbeit mit Daten

Behandelt die neuesten Versionen von IPython, NumPy, pandas, Matplotlib

Verlag:	OReilly (dpunkt)
Autor:in	Jake VanderPlas
Fassung:	574 Seiten, Softcover
Erschienen:	12/2023
ISBN:	978-3-96009-225-4 9783960092254

Best.-Nr.: OR-225
Sofort lieferbar

€49,90 inkl. MwSt.

Versandkostenfrei (D)

Best.-Nr.:

eBook (PDF)

€ inkl. MwSt.

Inhaltsverzeichnis:	Jetzt downloaden
Leseprobe:	Jetzt downloaden

Handbuch Data Science mit Python

Grundlegende Tools für die Arbeit mit Daten

Behandelt die neuesten Versionen von IPython, NumPy, pandas, Matplotlib

Best.-Nr.: OR-225
Sofort lieferbar

€49,90 inkl. MwSt.

Versandkostenfrei (D)

Verlag:	OReilly (dpunkt)
Autor:in	Jake VanderPlas
Fassung:	574 Seiten, Softcover
Erschienen:	12/2023
ISBN:	978-3-96009-225-4 9783960092254
Inhaltsverzeichnis:	Jetzt downloaden
Leseprobe:	Jetzt downloaden

Inhaltsverzeichnis

Leseprobe

Autor:in

Python und Analyse-Tools für Data Scientists

Viele Data Scientists setzen auf die Sprache Python, da sie eine Vielzahl an ausgereiften Bibliotheken für das Speichern, Bearbeiten und Auswerten von Daten bietet. Jake VanderPlas hat in der zweiten Auflage seines Standardwerks alle wesentlichen Tools für Datenanalyse in einem Buch zusammengefasst und erklärt ihre praktische Anwendung. Das Buch behandelt unter anderem IPython, Jupyter, NumPy, Pandas, Matplotlib, Scikit-Learn und damit verbundene Werkzeuge.

Blick ins Buch: Handbuch Data Science mit Python

Datenmanipulation, Visualisierung und Machine Learning für Datenanalyst*innen

Das umfangreiche Handbuch ist ein unschätzbarer Begleiter für Datenanalystinnen, -analysten und Data Cruncher, die bereits über Kenntnisse in Python verfügen. Es unterstützt sie bei alltäglichen Aufgaben wie der Manipulation, Umwandlung und Bereinigung von Daten, der Visualisierung verschiedener Datentypen sowie bei der Nutzung von Daten zur Erstellung von Statistiken und Machine-Learning-Modellen.

Dieses Handbuch beschreibt die folgenden Tools

IPython und Jupyter bieten eine Umgebung für Berechnungen, die von vielen Data Scientists genutzt wird
NumPy stellt das ndarray zum effizienten Speichern und Bearbeiten dicht gepackter Datenarrays bereit
Pandas verfügt über das DataFrame-Objekt für die Speicherung und Manipulation gelabelter und spaltenorientierter Daten
Matplotlib ermöglicht die flexible und vielseitige Visualisierung von Daten
Scikit-Learn unterstützt bei der Implementierung der wichtigsten und gebräuchlichsten Algorithmen für das Machine Learning

Hier das ganze Inhaltsverzeichnis lesen.

»Diese frisch aktualisierte Auflage bietet klare, leicht verständliche Beispiele, die Ihnen helfen, wichtige Tools für Data Science und Machine Learning erfolgreich einzurichten und zu nutzen.«

— Anne Bonner, Gründerin und CEO von Content Simplicity

»Diese aktualisierte Auflage ist eine ausgezeichnete Einführung in die Bibliotheken, zugänglich geschrieben und mit großartigen Beispielen.«

— Allen Downey, Autor von Think Python

Leseprobe

Da Python eine interpretierte Programmiersprache ist, werden einige Operationen sehr langsam ausgeführt. Der in dieser Leseprobe beschriebene Ansatz der vektorisierten Operationen ermöglicht wesentlich schnellere Berechnungen mit Array-Elementen, indem die Schleife in die kompilierte Schicht verschoben wird. Einige dieser Universal Functions, kurz UFuncs, werden hier im Detail vorgestellt.

Wer hat's geschrieben?

Jake VanderPlas ist Software Engineer bei Google Research und arbeitet an Tools, die datenintensive Forschung unterstützen. Er entwickelt Python-Tools für den Einsatz in der Data Science, darunter Pakete wie Scikit-Learn, SciPy, AstroPy, Altair, JAX und viele andere. Er engagiert sich in der Data-Science-Community, konzipiert Tutorials zu Themen des wissenschaftlichen Computings und hält Vorträge auf vielen verschiedenen Konferenzen in der Data-Science-Welt.