|
|
|
|
| LEADER |
03728nmm a2200457 u 4500 |
| 001 |
EB001916588 |
| 003 |
EBX01000000000000001079490 |
| 005 |
00000000000000.0 |
| 007 |
cr||||||||||||||||||||| |
| 008 |
210123 ||| ger |
| 020 |
|
|
|a 3958456960
|
| 020 |
|
|
|a 3958456952
|
| 020 |
|
|
|a 9783958456952
|
| 020 |
|
|
|a 9783958456976
|
| 020 |
|
|
|a 9783958456969
|
| 050 |
|
4 |
|a QA76.73.P98
|
| 100 |
1 |
|
|a Vanderplas, Jacob T.
|
| 130 |
0 |
|
|a Python data science handbook
|
| 245 |
0 |
0 |
|a Data Science mit Python
|b das Handbuch für den Einsatz von IPython, Jupyter, NumPy, Pandas, Matplotlib, Scikit-Learn
|c Jake VanderPlas ; Übersetzung aus dem Englischen von Knut Lorenzen
|
| 250 |
|
|
|a 1. Auflage
|
| 260 |
|
|
|a Frechen
|b MITP
|c 2018
|
| 300 |
|
|
|a 1 online resource
|
| 505 |
0 |
|
|a Includes bibliographical references and index
|
| 653 |
|
|
|a Data mining / fast
|
| 653 |
|
|
|a Data Mining
|
| 653 |
|
|
|a Python (Computer program language) / fast
|
| 653 |
|
|
|a Python (Computer program language) / http://id.loc.gov/authorities/subjects/sh96008834
|
| 653 |
|
|
|a Data mining / http://id.loc.gov/authorities/subjects/sh97002073
|
| 653 |
|
|
|a COMPUTERS / General / bisacsh
|
| 653 |
|
|
|a Python (Langage de programmation)
|
| 653 |
|
|
|a Exploration de données (Informatique)
|
| 700 |
1 |
|
|a Lorenzen, Knut
|e translator
|
| 041 |
0 |
7 |
|a ger
|2 ISO 639-2
|
| 989 |
|
|
|b OREILLY
|a O'Reilly
|
| 776 |
|
|
|z 3958456960
|
| 776 |
|
|
|z 9783958456969
|
| 856 |
4 |
0 |
|u https://learning.oreilly.com/library/view/~/9783958456976/?ar
|x Verlag
|3 Volltext
|
| 082 |
0 |
|
|a 006.312
|
| 520 |
|
|
|a Jake geht weit über die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« - Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts
|
| 520 |
|
|
|a Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen Einsatz Python effizient für datenintensive Berechnungen einsetzen mit IPython und Jupyter Laden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und Pandas Visualisierung von Daten mit Matplotlib Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools. Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen.
|
| 520 |
|
|
|a Dieses Handbuch erläutert die Verwendung der folgenden Tools: IPython und Jupyter für datenintensive Berechnungen NumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in Python Matplotlib für vielfältige Möglichkeiten der Visualisierung von Daten Scikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt. Leserstimme zum Buch: »Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt.
|