عنوان کتاب به انگلیسی: |
Data Science Projects with Python: A case study approach to gaining valuable insights from real data with machine learning, 2nd Edition |
| سال انتشار: 2021 | 432 صفحه | حجم فایل: 17 مگابایت | زبان: انگلیسی |
| نویسنده | Stephen Klosterman |
| ناشر | Packt Publishing |
| ISBN10: | 1800564481 |
| ISBN13: | 9781800564480 |
توضیحات کتاب
Key FeaturesThink critically about data and use it to form and test a hypothesis
Choose an appropriate machine learning model and train it on your data
Communicate data-driven insights with confidence and clarity
Book Description
If data is the new oil, then machine learning is the drill. As companies gain access to ever-increasing quantities of raw data, the ability to deliver state-of-the-art predictive models that support business decision-making becomes more and more valuable.
In this book, you’ll work on an end-to-end project based around a realistic data set and split up into bite-sized practical exercises. This creates a case-study approach that simulates the working conditions you’ll experience in real-world data science projects.
You’ll learn how to use key Python packages, including pandas, Matplotlib, and scikit-learn, and master the process of data exploration and data processing, before moving on to fitting, evaluating, and tuning algorithms such as regularized logistic regression and random forest.
Now in its second edition, this book will take you through the end-to-end process of exploring data and delivering machine learning models. Updated for 2021, this edition includes brand new content on XGBoost, SHAP values, algorithmic fairness, and the ethical concerns of deploying a model in the real world.
By the end of this data science book, you’ll have the skills, understanding, and confidence to build your own machine learning models and gain insights from real data.
What you will learn
Load, explore, and process data using the pandas Python package
Use Matplotlib to create compelling data visualizations
Implement predictive machine learning models with scikit-learn
Use lasso and ridge regression to reduce model overfitting
Evaluate random forest and logistic regression model performance
Deliver business insights by presenting clear, convincing conclusions
Who this book is for
Data Science Projects with Python – Second Edition is for anyone who wants to get started with data science and machine learning. If you’re keen to advance your career by using data analysis and predictive modeling to generate business insights, then this book is the perfect place to begin. To quickly grasp the concepts covered, it is recommended that you have basic experience of programming with Python or another similar language, and a general interest in statistics.
Table of Contents
Data Exploration and Cleaning
Introduction to Scikit-Learn and Model Evaluation
Details of Logistic Regression and Feature Exploration
The Bias-Variance Trade-off
Decision Trees and Random Forests
Gradient Boosting, XGBoost, and SHAP (SHapley Additive exPlanations) Values
Test Set Analysis, Financial Insights, and Delivery to the Client
توضیحات کتاب به فارسی (ترجمه ماشینی)
تجربه دستی از برنامه نویسی پایتون را با تکنیک های یادگیری ماشین استاندارد با استفاده از پاندا ، Scikit-Learn و XGBOOST بدست آورید
ویژگی های کلیدی
در مورد داده ها با انتقاد فکر کنید و از آن برای شکل گیری و آزمایش یک فرضیه استفاده کنید
یک مدل یادگیری ماشین مناسب را انتخاب کنید و آن را بر روی داده های خود آموزش دهید
با اطمینان و وضوح بینش های داده محور ارتباط برقرار کنید
توضیحات کتاب
اگر داده روغن جدید است ، یادگیری ماشین دریل است.با دسترسی به مقادیر روزافزون داده های خام ، توانایی ارائه مدلهای پیش بینی پیشرفته ای که از تصمیم گیری در زمینه تجارت پشتیبانی می کنند ، بیشتر و با ارزش تر می شوند.
در این کتاب ، شما روی یک پروژه پایان به انتهایی مبتنی بر یک مجموعه داده واقع گرایانه کار خواهید کرد و به تمرین های عملی با اندازه نیش تقسیم می شود.این یک رویکرد مطالعه موردی را ایجاد می کند که شرایط کاری را که در پروژه های علوم داده در دنیای واقعی تجربه خواهید کرد ، شبیه سازی می کند.
شما یاد می گیرید که چگونه از بسته های کلیدی پایتون ، از جمله پاندا ، Matplotlib و Scikit-Learn استفاده کنید و قبل از حرکت به سمت اتصالات ، ارزیابی و تنظیم الگوریتم های مانند رگرسیون لجستیک منظم و تصادفی ، روند اکتشاف داده ها و پردازش داده ها را تسلط دهید.جنگل.
اکنون در نسخه دوم خود ، این کتاب شما را از طریق فرآیند پایان تا پایان کاوش در داده ها و ارائه مدلهای یادگیری ماشین انجام می دهد.این نسخه برای سال 2021 به روز شده است ، شامل محتوای جدید در XGBoost ، مقادیر Shap ، انصاف الگوریتمی و نگرانی های اخلاقی از استقرار یک مدل در دنیای واقعی است.
با پایان این کتاب علوم داده ، مهارت ، درک و اعتماد به نفس خود را برای ساختن مدل های یادگیری ماشین شخصی خود و به دست آوردن بینش از داده های واقعی خواهید داشت.
آنچه یاد خواهید گرفت
با استفاده از بسته Pandas Python ، داده ها را بارگیری ، کاوش و پردازش کنید
برای ایجاد تجسم داده های قانع کننده از matplotlib استفاده کنید
مدل های یادگیری ماشین پیش بینی را با Scikit-Learn پیاده سازی کنید
برای کاهش بیش از حد مدل از رگرسیون لاسو و ریج استفاده کنید
عملکرد مدل رگرسیون جنگل و لجستیک تصادفی را ارزیابی کنید
با ارائه نتیجه گیری های واضح و قانع کننده ، بینش های تجاری را ارائه دهید
این کتاب برای چه کسی است
پروژه های علوم داده با Python – Edition دوم برای هر کسی که می خواهد با علم داده و یادگیری ماشین شروع کند.اگر مایل به پیشرفت حرفه خود با استفاده از تجزیه و تحلیل داده ها و مدل سازی پیش بینی برای تولید بینش تجاری هستید ، این کتاب مکان مناسبی برای شروع است.برای درک سریع مفاهیم تحت پوشش ، توصیه می شود که تجربه اصلی برنامه نویسی با پایتون یا یک زبان مشابه دیگر و علاقه عمومی به آمار داشته باشید.
فهرست مطالب
اکتشاف و تمیز کردن داده ها
آشنایی با Scikit-Learn و ارزیابی مدل
جزئیات رگرسیون لجستیک و اکتشافات ویژگی
تجارت تعصب و واریانس
درختان تصمیم و جنگل های تصادفی
مقادیر تقویت شیب ، XGBoost و Shap (توضیحات افزودنی Shapley)
تجزیه و تحلیل مجموعه آزمون ، بینش مالی و تحویل به مشتری
| توجه کنید که این محصول به صورت فایل دانلودی است و نه کتاب کاغذی. |
| به هنگام خرید به زبان درج شده برای کتاب حتما توجه کنید. به صورت معمول در اکثر موارد زبان کتاب فارسی نیست. |
| در صورت هرگونه مشکل در دریافت کتاب به شماره 09395106248 پیامک دهید. |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسیها
هنوز بررسیای ثبت نشده است.