Practical data science cookbook : 89 hands-on recipes to help you complete real world data science projects in R and Python / Tony Ojeda ... [y otros].
Material type: TextLanguage: English Publisher: Birmingham, Reino Unido : Packt Publishing, 2014Edition: 1a ediciónDescription: iv, 380 páginas : ilustracionesContent type: texto Media type: sin mediación Carrier type: volumenISBN: 1783980257; 9781783980246Other title: ochenta y nueve hands-on recipes to help you complete real world data science projects in R and PythonSubject(s): Cloroformo | Estadística matemática -- Procesamiento de datos | Minería de datosDDC classification: 006.331Item type | Current library | Collection | Call number | Copy number | Status | Date due | Barcode | Item holds |
---|---|---|---|---|---|---|---|---|
Libros |
Biblioteca CESA
Diagonal 34 A No. 5 A - 23 Casa Incolda PBX: 339 53 00 serviciosbiblioteca@cesa.edu.co |
General | 006.331 / P712p 2014 (Browse shelf(Opens below)) | Ej.1 | Available | 7101022403 |
Browsing Biblioteca CESA shelves, Shelving location: Piso 2, Collection: General Close shelf browser (Hides shelf browser)
006.32 / B553 2019 Redes neuronales & deep learning / | 006.32 / G981 1997 An introduction to neural networks / | 006.32 / P151 2021 Aprendizaje profundo / | 006.331 / P712p 2014 Practical data science cookbook : 89 hands-on recipes to help you complete real world data science projects in R and Python / | 006.333 / B433a 2013 Analytics for managers : with Excel / | 006.7 / F499c 2019 Convergence : how the world will be painted with data / | 006.7 / F499m 2018 Metaverse : an AR enabled guide to AR & VR / |
En portada: Quick answers to common problems.
Incluye índice.
1. Preparing Your Data Science Environment ; 2. Driving Visual Analysis with Automobile Data (R) ; 3. Simulating American Football Data (R) ; 4. Modeling Stock Market Data (R) ; 5. Visually Exploring Employment Data (R) ; 6. Creating Application-oriented Analyses Using Tax Data (Python) ; 7. Driving Visual Analyses with Automobile Data (Python) ; 8. Working with Social Graphs (Python) ; 9. Recommending Movies at Scale (Python) ; 10. Harvesting and Geolocating Twitter Data (Python) ; 11. Optimizing Numerical Code with NumPy and SciPy (Python)
Como aumentar la cantidad de datos que se genera cada ano, la necesidad de analizar y poner en práctica es más importante que nunca. las empresas que saben qué hacer con sus datos tendrán una ventaja competitiva sobre las empresas que no lo hacen, y esto impulsará una mayor demanda de profesionales con conocimientos de datos y competentes. Empezando por lo básico, este libro cubre cómo configurar su entorno de programación numérica, se introduce a la tubería ciencia de datos (un proceso iterativo por el que se completan los proyectos de ciencia de datos), y le guiará a través de varios proyectos de datos en un paso- -Paso formato. Por secuencialmente trabajando a través de los pasos de cada capítulo, usted se familiarizará rápidamente con el proceso y aprender cómo aplicarlo a una variedad de situaciones con ejemplos en los dos lenguajes de programación más populares para el análisis de datos-R y Python.
There are no comments on this title.