PYTHON и анализ данных. Маккинни У.

Эта книга — практическое руководство для тех, кто превращает данные в решения. Шаг за шагом вы разберетесь, как современные методы искусственного интеллекта помогают не просто интерпретировать массивы информации, но и находить скрытые закономерности, прогнозировать будущее и создавать конкурентные преимущества для бизнеса. Вы получите системное понимание инструментов анализа, узнаете о лучших практиках применения машинного обучения и научитесь интегрировать ChatGPT в ежедневные рабочие процессы. Четкие инструкции научат правильно извлекать, интерпретировать и представлять данные, в результате вы сможете поднять навыки на совершенно новый уровень. Это не сухая теория — это рабочая методика, которая помогает аналитикам принимать решения быстрее, точнее и смелее. Вы получите проверенные стратегии анализа больших данных с помощью ИИ, практические инструменты для повышения точности прогнозов, кейсы из бизнеса и индустрии, которые можно адаптировать под свои задачи, понимание, как превратить аналитическую работу в драйвер роста компании.

Практическое руководство по визуализации данных с помощью Python и JavaScript. Автор показывает полный цикл работы — от сбора и обработки данных до их представления в браузере. Книга адресована разработчикам, аналитикам и специалистам по данным, желающим освоить инструменты и подходы, которые позволяют превращать цифры в наглядные и интерактивные визуализации.

Сегодня трудно представить аналитика данных, не пользующегося библиотекой Pandas, но в тонкостях работы с ней немудрено запутаться. В этой книге собраны упражнения, основанные на многолетней преподавательской практике автора. Прочитав ее, вы будете чувствовать себя уверенно при встрече с недостатками реальных данных в виде пропущенных значений, смешанных форматов и отсутствия четкой структуры. Книга предназначена начинающим аналитикам данных, изучающим Pandas, но будет полезна и опытным специалистам, стремящимся отточить свои навыки.

Представьте, что вы не просто программируете, а создаете элегантные решения, обладая глубоким пониманием алгоритмов и структур данных. Откройте же мощь алгоритмического мышления с помощью Python. Разберитесь в алгоритмах и структурах данных с нуля до продвинутого уровня и применяйте знания в реальном мире. Кем бы вы ни были — начинающим программистом, опытным разработчиком, желающим расширить знания, или специалистом с нетехническим образованием, интересующимся анализом данных, — книга поможет улучшить понимание и навыки решения задач.

В книге разобраны восемь сценариев, с которыми неизбежно придется иметь дело любому аналитику данных. Рассказано, как на языке Python обращаться не только с готовыми, но и с частично обработанными и фрагментарными данными.Рассмотрены инструменты из популярных библиотек Pandas и Numpy, освещена проблема доведения незавершенных проектов до результата, объяснено, как построить минимальную полноценную модель и проверить ее работоспособность. Особое внимание уделено анализу временных рядов и других данных, которые могут быстро меняться.

Учебное пособие представляет собой практический курс, состоящий из 13 занятий (12 из которых интерактивные — для среды JupyterLab). Курс содержит введение в основы языка Python с упором на аналитику данных (работа с наборами данных, статистика, язык SQL, метрики и машинное обучение). Приведен порядок выполнения занятий и архив необходимых файлов, а также дан список заданий для закрепления обучающимися изучаемого материала. Учебное пособие освещает вопросы применения ряда сквозных технологий, приведенных в Национальной программе «Цифровая экономика Российской Федерации», таких как «Технологии хранения и анализа больших данных», «Искусственный интеллект», «Машинное обучение». Подготовлено в соответствии с Федеральным государственным образовательным стандартом высшего образования. Предназначено для студентов технических направлений подготовки и специальностей, учебными планами которых предусмотрено изучение дисциплин «Искусственные нейронные сети», «Нейронные сети и нечеткая логика в задачах управления», «Интеллектуальные системы» и «Аналитика технологических данных», а также при реализации дополнительных образовательных программ с тематикой «Аналитика данных».

Книга посвящена одной из наиболее общих проблем физики и техники, биологии и естествознания - проблеме извлечения информации из случайных данных (наблюдений, измерений, экспериментальных исследований). Эта проблема включает в себя этапы сбора данных, построения моделей реальных процессов и систем, анализ и интерпретацию получающихся результатов. В книге дается описание и детальный анализ структуры наиболее важных с точки зрения приложений моделей временных рядов, непрерывных случайных процессов, случайных потоков событий, случайных полей и изображений. Представлено большое количество новых результатов по вероятностному анализу неоднородных данных, отображениям случайных процессов на фазовой плоскости, характеристикам выбросов и характеристикам превышений заданных уровней. Показывается широкое разнообразие практических задач, которые решаются (или могут решаться) на основе рассмотренных моделей случайных функций. В новом издании книги дополнительно рассмотрены вопросы исследования экстремальных значений случайных функций, показаны особенности построения вероятностных моделей с двойной стохастичностью и возможности анализа случайных процессов в условиях случайных сред. Для широкого круга специалистов, аспирантов и студентов, для тех, кто изучает, исследует и применяет на практике модели и методы анализа различных по своей физической природе случайных данных.

Python — первоклассный инструмент, и в первую очередь благодаря наличию множества библиотек для хранения, анализа и обработки данных. Отдельные части стека Python описываются во многих источниках, но только в новом издании «Python для сложных задач» вы найдете подробное описание: IPython, NumPy, pandas, Matplotlib, Scikit-Learn и др. Специалисты по обработке данных, знакомые с языком Python, найдут во втором издании решения таких повседневных задач, как обработка, преобразование и подготовка данных, визуализация различных типов данных, использование данных для построения статистических моделей и моделей машинного обучения. Проще говоря, эта книга является идеальным справочником по научным вычислениям в Python.