Jake Vanderplas: Handbuch Data Science mit Python
Handbuch Data Science mit Python
Buch
- Grundlegende Tools für die Arbeit mit Daten
- Übersetzung: Knut Lorenzen, Jørgen W. Lang
sofort lieferbar
EUR 49,90*
Verlängerter Rückgabezeitraum bis 31. Januar 2025
Alle zur Rückgabe berechtigten Produkte, die zwischen dem 1. bis 31. Dezember 2024 gekauft wurden, können bis zum 31. Januar 2025 zurückgegeben werden.
- Dpunkt.Verlag GmbH, 11/2023
- Einband: Flexibler Einband
- Sprache: Deutsch
- ISBN-13: 9783960092254
- Bestellnummer: 11554113
- Umfang: 576 Seiten
- Sonstiges: komplett in Farbe
- Gewicht: 1049 g
- Maße: 238 x 167 mm
- Stärke: 35 mm
- Erscheinungstermin: 30.11.2023
- Serie: Animals
Klappentext
Der unverzichtbare Werkzeugkasten für Data Science in der 2. AuflageDas bewährte Standardwerk jetzt in vollständig aktualisierter Neuauflage
Behandelt die neuesten Versionen von IPython, NumPy, pandas, Matplotlib und Scikit-Learn
Die leicht nachvollziehbaren Beispiele helfen Ihnen bei der erfolgreichen Einrichtung und Nutzung der Data-Science-Tools
Inklusive Jupyter Notebooks, die es Ihnen ermöglichen, den Code direkt beim Lesen auszuprobieren
Für viele Data Scientists ist Python die Sprache der Wahl, weil zahlreiche ausgereifte Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar sind. Jake VanderPlas versammelt in dieser 2. Auflage seines Standardwerks alle wichtigen Datenanalyse Tools in einem Band und erläutert deren Einsatz in der Praxis. Beschrieben werden IPython, Jupyter, NumPy, Pandas, Matplotlib, Scikit-Learn und verwandte Werkzeuge.
Für Datenanalystinnen und analysten und Data Cruncher mit Python Kenntnissen ist dieses umfassende Handbuch von unschätzbarem Wert bei der Erledigung ihrer täglichen Aufgaben. Dazu gehören die Manipulation, Umwandlung und Bereinigung von Daten, die Visualisierung verschiedener Datentypen sowie die Nutzung von Daten zum Erstellen 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 DataFrameObjekt 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
»Jake beschreibt weit mehr als die Grundlagen dieser Open-Source-Tools; er erläutert die zugrunde liegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« -- Brian Granger, Physikprofessor und Mitbegründer des Jupyter-Projekts
Anmerkungen:
Bitte beachten Sie, dass auch wir der Preisbindung unterliegen und kurzfristige Preiserhöhungen oder -senkungen an Sie weitergeben müssen.