Data Science with Python : Ful

Mocno trzymaj się Data Science dzięki Pythonowi całkowicie offline

Analiza danych to proces pozyskiwania wiedzy i spostrzeżeń z ogromnego i różnorodnego zestawu danych poprzez organizowanie, przetwarzanie i analizowanie danych. Obejmuje wiele różnych dyscyplin, takich jak modelowanie matematyczne i statystyczne, wydobywanie danych ze źródła i stosowanie technik wizualizacji danych. Często wiąże się to również z obsługą technologii dużych zbiorów danych w celu gromadzenia zarówno danych ustrukturyzowanych, jak i nieustrukturyzowanych. Poniżej zobaczymy kilka przykładowych scenariuszy, w których wykorzystuje się Data science.

Załączone rozdziały

    Wprowadzenie do nauki danych

    Konfiguracja środowiska nauki danych

    Pandy

    Numpy

    Matplotlib

    Operacje na danych

    Czyszczenie danych

    Przetwarzanie danych CSV

    Przetwarzanie danych JSON

    Przetwarzanie danych XLS

    Relacyjne bazy danych

    Bazy danych NoSQL

    Data i godzina

    Przekształcanie danych

    Agregacja danych

    Czytanie stron HTML

    Przetwarzanie nieustrukturyzowanych danych

    tokenizacja słów

    Stemming and Lemmatization

    Właściwości wykresu

    Styl wykresów

    Wykresy pudełkowe

    Mapy cieplne

    Wykresy punktowe

    Wykresy bąbelkowe

    Wykresy 3D

    Szereg czasowy

    Dane geograficzne

    Dane wykresu

    Pomiar tendencji centralnej

    Pomiar wariancji

    Normalna dystrybucja

    Rozkład dwumianowy

    Rozkład Poissona

    Dystrybucja Bernoulliego

    Wartość p

    Korelacja

    Test chi-kwadrat

    Regresja liniowa