- Das 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
Der unverzichtbare Werkzeugkasten für Data Science in der 2. Auflage
Python ist für viele Data Scientists die erste 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, NumPy, pandas, Matplotlib, Scikit-Learn und verwandte Werkzeuge.
Für Datenanalystinnen und -analysten und Data Cruncher, die mit Python vertraut sind, ist dieses umfassende Nachschlagewerk von unschätzbarem Wert bei der Erledigung ihrer täglichen Aufgaben wie der Manipulation, Umwandlung und Bereinigung von Daten, der Visualisierung verschiedener Datentypen sowie der 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
- ScikitLearn unterstützt bei der Implementierung der wichtigsten und gebräuchlichsten Algorithmen für das Machine Learning
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.
»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
Erscheinungsdatum | 24.11.2023 |
---|---|
Übersetzer | Knut Lorenzen, Jørgen W. Lang |
Zusatzinfo | Illustrationen |
Verlagsort | Heidelberg |
Sprache | deutsch |
Maße | 165 x 240 mm |
Einbandart | kartoniert |
Themenwelt | Informatik ► Datenbanken ► Data Warehouse / Data Mining |
Informatik ► Programmiersprachen / -werkzeuge ► Python | |
Schlagworte | Big Data • Data Mining • Data Science • Datenanalyse • feature engineering • IPython • Jupyter • jupyter notebook • Lineare Regression • machine learning • matplotlib • NumPy • Pandas • Pivot • Python 3.10 • random forest • scikit-learn • seaborn • Support Vector Machines |
ISBN-10 | 3-96009-225-3 / 3960092253 |
ISBN-13 | 978-3-96009-225-4 / 9783960092254 |
Zustand | Neuware |
Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Buch | Hardcover (2012)
Westermann Schulbuchverlag
34,95 €
Schulbuch Klassen 7/8 (G9)
Buch | Hardcover (2015)
Klett (Verlag)
30,50 €
Buch | Softcover (2004)
Cornelsen Verlag
25,25 €