Data science avec Python pour les nuls [ Livre] / Luca Massaron, John Paul Mueller
Traduction de: Python for data science for dummiesLangue : français.Publication : Paris : First interactve, DL 2019., Cop 2019.Description : 1 volume de XXII-472 pages : couverture illustrée en couleurs ; 24 cm.ISBN : 9782412050729.Collection: Pour les nuls : avec les nuls, tout devient facileDewey : 006.312, 23Résumé : Utilisez le langage Python pour vous plonger dans la science des données ! La data science (ou « datalogie » ou encore « science des données ») vous attire tout en vous intimidant ? Ce livre vous aide à réaliser les principaux traitements et analyses en langage Python. Avec Anaconda, Jupyter ou Google Colab, vous pourrez exploiter tous les exemples sans effort, stocker votre code source sur le Web et travailler avec une tablette. Analyses en composantes principales PCA, machines à vecteurs de support SVM, k-plus proches voisins KNN et régressions linéaires seront à votre portée grâce à la version 3 de Python et aux librairies de fonctions d'analyse statistique et de visualisation graphique comme Scikit-learn..Sujet - Nom commun: Exploration de données | Python (langage de programmation)Type de document | Site actuel | Cote | Statut | Notes | Date de retour prévue |
---|---|---|---|---|---|
Livre | Bibliothèque Universitaire Mohamed Sekkat 1er etage | 006.312 MAS (Parcourir l'étagère) | Disponible | New 2020 |
La couverture porte en plus : "Explorer les données en langage Python, créer du code dans le cloud avec Google Colab, transformer les données, créer des graphiques"
Utilisez le langage Python pour vous plonger dans la science des données !
La data science (ou « datalogie » ou encore « science des données ») vous attire tout en vous intimidant ? Ce livre vous aide à réaliser les principaux traitements et analyses en langage Python. Avec Anaconda, Jupyter ou Google Colab, vous pourrez exploiter tous les exemples sans effort, stocker votre code source sur le Web et travailler avec une tablette. Analyses en composantes principales PCA, machines à vecteurs de support SVM, k-plus proches voisins KNN et régressions linéaires seront à votre portée grâce à la version 3 de Python et aux librairies de fonctions d'analyse statistique et de visualisation graphique comme Scikit-learn.
Il n'y a pas de commentaire pour ce document.