Приветствую!
Язык Python является лучшим для Data Science и машинного обучение. Однако, трудно решить с чего начать изучение Python, ведь у него большой функционал. Кеннеди Берман(Автор) поможет вам улучшить все необходимые умение, которые помогут вам для решение задач в сфере Data Science.
Об авторе
Кеннеди Берман - опытный инженер-программист. У него есть множество книг и программ по обучению Python. На данный момент работает старшим специалистом в инженерии данных в компании Envestnet.
Содержания
Всего 15 глав. 272 страниц.
В первой главе вы познакомитесь с блокнотом Jupyter, Google Colab. Также научитесь работать с текстовыми ячейками Google Colab. Например форматирования текста в Google Colab:
В Google Colab имеется одна ячейка. У нее есть два типа: текст или код. Вы можете использовать блокноты Google Colab для объяснения и демонстрации методов, концепций и рабочих процессов. Также в первой главе рассказывается о магических функция.
В 2 главе вы узнаете про:
• Встроенные типы Python
• Операторы, Базовый математических операциях
• Операторы присваивание
• Операторы импорта
• Вывод данных
Оператор pass и del
Дальше в 2 главе узнаете о операторах break, import, continue, nonlocal, return, raise, yield, и т.д
3 глава про:
•Общие операции с последовательностями.
•Списки и кортежи.
•Строки и строковые методы.
•Диапазоны.
Индексирование и слейсинг:
Создание список и кортежей
4 глава про:
• Создание словарей.
• Обновление словарей и получение доступа к их содержимому.
• Создание множеств.
• Операции над множествами.
Создание словарей:
5 глава про:
• Знакомство с составными операторами.
• Операции проверки на равенство.
• Операции сравнения.
• Булевы операции.
• Операторы if.
• Циклы while.
• Циклы for.
6 глава про:
• Объявление функции.
• Строки документации.
• Позиционные и ключевые параметры.
• Параметры подстановочного знака.
• Операторы возврата.
• Область видимости.
• Декораторы.
• Анонимные функции.
7 глава про:
• Знакомство со сторонними библиотеками.
• Создание массивов NumPy.
• Индексация и слайсинг массивов.
• Фильтрация данных массива.
• Методы массива.
• Бродкастинг.
8 глава про:
• Математика с NumPy.
• Знакомство с SciPy.
• Подмодуль scipy.misc.
• Подмодуль scipy.special.
• Подмодуль scipy.stats.
9 глава про:
• Знакомство с датафреймами Pandas.
• Создание датафреймов.
• Интроспекция датафреймов.
• Получение доступа к данным.
• Управление датафреймами.
• Управление данными датафреймов.
10 глава про:
• Создание и оформление графиков с помощью инструмента matplotlib.
• Построение графиков с помощью библиотеки Seaborn и ее тем.
• Построение графиков с помощью библиотек Plotly и Bokeh.
11 глава про:
• Обзор популярных библиотек машинного обучения.
• Знакомство с библиотекой Scikit-learn
• Знакомство с процессом машинного обучения
12 глава про:
• Знакомство с пакетом NLTK.
• Доступ к образцам текста и их загрузка.
• Использование частотного распределения.
• Текстовые объекты.
•Классификация текста.
13 глава про:
• Знакомство с функциональным программированием.
• Состояние и область видимости.
• Функциональные функции.
• Списковые включения.
• Генераторы.
14 глава про:
• Связывание состояния и функции.
• Классы и объекты.
• Специальные функции.
• Наследование класса.
15 глава про:
• Сортировка списков.
• Чтение и запись файлов.
• Объекты datetime.
• Регулярные выражения.
Достоинства:
• После каждой главы есть вопросы связанный с кодом (для практики)
• Объясняется код, значение терминов
Цена
2000 руб. Поэтому оставляю ссылку на книгу в своем телеграмм канале https://t.me/pythonruu/34
Прощайте!