Dữ liệu là dầu mới. Tuyên bố này cho thấy cách mọi hệ thống CNTT hiện đại được thúc đẩy bằng cách thu thập, lưu trữ và phân tích dữ liệu cho các nhu cầu khác nhau. Có thể là về việc đưa ra quyết định kinh doanh, dự báo thời tiết, nghiên cứu cấu trúc protein trong sinh học hoặc thiết kế một chiến dịch tiếp thị. Tất cả các kịch bản này liên quan đến cách tiếp cận đa ngành sử dụng các mô hình toán học, số liệu thống kê, đồ thị, cơ sở dữ liệu và tất nhiên là logic kinh doanh hoặc khoa học đằng sau phân tích dữ liệu. Vì vậy, chúng tôi cần một ngôn ngữ lập trình có thể đáp ứng tất cả các nhu cầu đa dạng này của khoa học dữ liệu. Python tỏa sáng như một ngôn ngữ như vậy vì nó có nhiều thư viện và các tính năng tích hợp giúp dễ dàng giải quyết các nhu cầu của Khoa học dữ liệu
Trong hướng dẫn này, chúng tôi sẽ đề cập đến các kỹ thuật khác nhau được sử dụng trong khoa học dữ liệu bằng ngôn ngữ lập trình Python
Hướng dẫn này được thiết kế dành cho sinh viên tốt nghiệp Khoa học máy tính cũng như Chuyên gia phần mềm, những người sẵn sàng học khoa học dữ liệu theo các bước đơn giản và dễ dàng bằng cách sử dụng Python làm ngôn ngữ lập trình
Trước khi tiếp tục với hướng dẫn này, bạn nên có kiến thức cơ bản về viết mã bằng ngôn ngữ lập trình Python, sử dụng bất kỳ IDE python nào và thực thi các chương trình Python. Nếu bạn hoàn toàn mới làm quen với python, vui lòng tham khảo hướng dẫn Python của chúng tôi để hiểu rõ về ngôn ngữ này
Đối với hầu hết các ví dụ được đưa ra trong hướng dẫn này, bạn sẽ tìm thấy tùy chọn Dùng thử, vì vậy chỉ cần tận dụng nó và tận hưởng việc học của bạn
Hãy thử ví dụ sau bằng cách sử dụng tùy chọn Dùng thử có sẵn ở góc trên cùng bên phải của hộp mã mẫu bên dưới
Phần tốt nhất là danh sách các khóa học máy tính của chúng tôi đang tăng lên mỗi ngày. Chúng tôi biết rằng những hướng dẫn hữu ích này luôn được cập nhật và nâng cấp, vì vậy chúng tôi sẽ thêm các khóa học và hướng dẫn mới ngay khi có thể. Với hướng dẫn sổ tay khoa học dữ liệu python này, bạn sẽ thành thạo chương trình quan trọng này và tăng cơ hội nhận được vị trí công việc mà bạn hằng mong muốn
Sự miêu tả. Tải ebook Khoa học dữ liệu và Máy học Phương pháp toán học và thống kê, PDF miễn phí trên 533 trang. Kích thước. 13. 75 MBTải xuống. 814
Sự miêu tả. Tải xuống LibreOffice 4 miễn phí. 0 Sổ tay cơ sở quản lý dữ liệu của bạn tài liệu khóa học và đào tạo hướng dẫn, tệp PDF trên 260 trang. Kích thước. 6. 53 MBTải xuống. 2317
Sự miêu tả. Tải xuống tài liệu khóa học miễn phí về Giao diện C/C++ và Python với SWIG, đào tạo hướng dẫn, tệp PDF của David M. Beazley trên 115 trang. Kích thước. 233. 62 KBTải xuống. 4350
Trang web này chứa toàn văn Sổ tay Khoa học Dữ liệu Python của Jake VanderPlas;
Văn bản được phát hành theo giấy phép CC-BY-NC-ND và mã được phát hành theo giấy phép MIT
Nếu bạn thấy nội dung này hữu ích, vui lòng cân nhắc ủng hộ tác phẩm bằng cách mua sách
Mục lục¶
Lời nói đầu¶
1. IPython. Ngoài Python bình thường¶
- Trợ giúp và Tài liệu trong IPython
- Phím tắt trong IPython Shell
- Lệnh ma thuật IPython
- Lịch sử đầu vào và đầu ra
- Lệnh IPython và Shell
- Lỗi và gỡ lỗi
- Hồ sơ và mã thời gian
- Thêm tài nguyên IPython
2. Giới thiệu về NumPy¶
- Hiểu các kiểu dữ liệu trong Python
- Khái niệm cơ bản về mảng NumPy
- Tính toán trên mảng NumPy. Chức năng phổ quát
- tổng hợp. Tối thiểu, Tối đa và Mọi thứ ở giữa
- Tính toán trên mảng. Phát thanh truyền hình
- So sánh, Mặt nạ và Logic Boolean
- Lập chỉ mục ưa thích
- Sắp xếp mảng
- Dữ liệu có cấu trúc. Mảng có cấu trúc của NumPy
3. Thao tác dữ liệu với Pandas¶
- Giới thiệu đối tượng Pandas
- Lập chỉ mục và lựa chọn dữ liệu
- Hoạt động trên dữ liệu trong Pandas
- Xử lý dữ liệu bị thiếu
- Lập chỉ mục phân cấp
- Kết hợp bộ dữ liệu. Concat và Append
- Kết hợp bộ dữ liệu. Hợp nhất và tham gia
- Tổng hợp và nhóm
- Bảng tổng hợp
- Hoạt động chuỗi Vectorized
- Làm việc với chuỗi thời gian
- Gấu trúc hiệu suất cao. eval[] và truy vấn[]
- Tài nguyên khác
4. Trực quan hóa với Matplotlib¶
- Sơ đồ đường đơn giản
- Biểu đồ phân tán đơn giản
- Hiển thị lỗi
- Mật độ và đường viền
- Biểu đồ, Binnings và Mật độ
- Tùy chỉnh cốt truyện huyền thoại
- Tùy chỉnh thanh màu
- Nhiều ô con
- Văn bản và chú thích
- Tùy chỉnh đánh dấu
- Tùy chỉnh Matplotlib. Cấu hình và biểu định kiểu
- Âm mưu ba chiều trong Matplotlib
- Dữ liệu địa lý với Bản đồ cơ sở
- Trực quan hóa với Seaborn
- Tài nguyên khác
5. Học máy¶
- Học máy là gì?
- Giới thiệu Scikit-Tìm hiểu
- Siêu tham số và xác thực mô hình
- Kỹ thuật tính năng
- chuyên sâu. Phân loại Naive Bayes
- chuyên sâu. hồi quy tuyến tính
- chuyên sâu. Hỗ trợ máy Vector
- chuyên sâu. Cây quyết định và rừng ngẫu nhiên
- chuyên sâu. Phân tích thành phần chính
- chuyên sâu. học đa dạng
- chuyên sâu. phân cụm k-Means
- chuyên sâu. Mô hình hỗn hợp Gaussian
- chuyên sâu. Ước tính mật độ hạt nhân
- Đăng kí. Đường ống nhận diện khuôn mặt
- Tài nguyên học máy khác