Python Podstawy nauki o danych. Wydanie II

Nauka o danych jest nową, interdyscyplinarną dziedziną, funkcjonującą na pograniczu algebry liniowej, modelowania statystycznego, lingwistyki komputerowej, uczenia maszynowego oraz metod akumulacji danych. Jest przydatna między innymi dla analityków biznesowych, statystyków, architektów oprogramowania i osób zajmujących się sztuczną inteligencją.

Szczególnie praktycznym narzędziem dla tych specjalistów jest język Python, który zapewnia doskonałe środowisko do analizy danych, uczenia maszynowego i algorytmicznego rozwiązywania problemów.

Niniejsza książka jest doskonałym wprowadzeniem do nauki o danych. Jej autorzy wskażą Ci prostą i szybką drogę do rozwiązywania różnych problemów z tego obszaru za pomocą Pythona oraz powiązanych z nim pakietów do analizy danych i uczenia maszynowego.

Dzięki lekturze przejdziesz przez kolejne etapy modyfikowania i wstępnego przetwarzania danych, poznając przy tym podstawowe operacje związane z wczytywaniem danych, przekształcaniem ich, poprawianiem na potrzeby analiz, eksplorowaniem i przetwarzaniem. Poza podstawami opanujesz też zagadnienia uczenia maszynowego, w tym uczenia głębokiego, techniki analizy grafów oraz wizualizacji danych.

Najważniejsze zagadnienia przedstawione w książce:
• konfiguracja środowiska Jupyter Notebook
• najważniejsze operacje stosowane w nauce o danych
• potoki danych i uczenie maszynowe
• wprowadzenie do grafów i wizualizacje
• biblioteki i pakiety Pythona służące do badań danych

Nauka o danych - fascynujące algorytmy i potężne grafy!

Alberto Boschetti specjalizuje się w przetwarzaniu sygnałów i statystyce. Jest doktorem inżynierii telekomunikacyjnej. Zajmuje się przetwarzaniem języków naturalnych, analityką behawioralną, uczeniem maszynowym i przetwarzaniem rozproszonym.

Luca Massaron specjalizuje się w statystycznych analizach wieloczynnikowych, uczeniu maszynowym, statystyce, eksploracji danych i algorytmice. Pasjonuje się potencjałem, jaki drzemie w nauce o danych.

Spis treści:

Rozdział 1. Pierwsze kroki (15)
• Wprowadzenie do nauki o danych i Pythona (16)
• Instalowanie Pythona (17)
 Python 2 czy Python 3? (18)
 Instalacja krok po kroku (19)
 Instalowanie pakietów (20)
 Aktualizowanie pakietów (22)
 Dystrybucje naukowe (22)
 Środowiska wirtualne (25)
 Krótki przegląd podstawowych pakietów (28)
• Wprowadzenie do środowiska Jupyter (37)
 Szybka instalacja i pierwsze testowe zastosowanie (41)
 Magiczne polecenia w Jupyterze (42)
 W jaki sposób notatniki Jupytera mogą być pomocne dla badaczy danych? (44)
 Zastępniki Jupytera (49)
• Zbiory danych i kod używane w książce (50)
 Proste przykładowe zbiory danych z pakietu scikit-learn (50)
• Podsumowanie (59)

Rozdział 2. Przekształcanie danych (61)
• Proces pracy w nauce o danych (62)
• Wczytywanie i wstępne przetwarzanie danych za pomocą biblioteki pandas (64)
 Szybkie i łatwe wczytywanie danych (64)
 Radzenie sobie z problematycznymi danymi (67)
 Radzenie sobie z dużymi zbiorami danych (70)
 Dostęp do danych w innych formatach (73)
 Wstępne przetwarzanie danych (75)
 Wybieranie danych (78)
• Praca z danymi kategorialnymi i tekstowymi (81)
 Specjalny rodzaj danych - tekst (83)
 Scraping stron internetowych za pomocą pakietu Beautiful Soup (89)
• Przetwarzanie danych za pomocą pakietu NumPy (92)
 N-wymiarowe tablice z pakietu NumPy (92)
 Podstawowe informacje o obiektach ndarray z pakietu NumPy (93)
• Tworzenie tablic z pakietu NumPy (95)
 Przekształcanie list w jednowymiarowe tablice (95)
 Kontrolowanie ilości zajmowanej pamięci (96)
 Listy niejednorodne (98)
 Od list do tablic wielowymiarowych (99)
 Zmiana wielkości tablic (100)
 Tablice generowane przez funkcje z pakietu NumPy (101)
 Pobieranie tablicy bezpośrednio z pliku (102)
 Pobieranie danych ze struktur z biblioteki pandas (103)
• Szybkie operacje i obliczenia z użyciem pakietu NumPy (104)
 Operacje na macierzach (106)
 Tworzenie wycinków i indeksowanie tablic z pakietu NumPy (108)
 Dodawanie "warstw" tablic z pakietu NumPy (110)
• Podsumowanie (112)

Rozdział 3. Potok danych (113)
• Wprowadzenie do eksploracji danych (113)
• Tworzenie nowych cech (117)
• Redukcja liczby wymiarów (120)
 Macierz kowariancji (120)
 Analiza głównych składowych (121)
 Analiza głównych składowych dla big data - typ RandomizedPCA (125)
 Analiza czynników ukrytych (126)
 Liniowa analiza dyskryminacyjna (127)
 Analiza ukrytych grup semantycznych (128)
 Analiza składowych niezależnych (129)
 Analiza głównych składowych oparta na funkcji jądra (129)
 Algorytm t-SNE (131)
 Ograniczone maszyny Boltzmanna (132)
• Wykrywanie i traktowanie wartości odstających (133)
 Wykrywanie obserwacji odstających za pomocą technik jednoczynnikowych (134)
 Klasa EllipticEnvelope (136)
 Klasa OneClassSVM (140)
• Miary używane do walidacji (144)
 Klasyfikacja wieloklasowa (144)
 Klasyfikacja binarna (147)
 Regresja (148)
• Testy i walidacja (148)
• Walidacja krzyżowa (153)
 Iteratory walidacji krzyżowej (155)
 Próbkowanie i bootstrapping (157)
• Optymalizacja hiperparametrów (159)
 Tworzenie niestandardowych funkcji oceny (162)
 Skracanie czasu przeszukiwania siatki parametrów (164)
• Wybór cech (166)
 Wybór na podstawie wariancji cech (167)
 Wybór za pomocą modelu jednoczynnikowego (168)
 Rekurencyjna eliminacja (169)
 Wybór na podstawie stabilności i regularyzacji L1 (171)
• Opakowywanie wszystkich operacji w potok (173)
 Łączenie cech i tworzenie łańcuchów transformacji (174)
 Tworzenie niestandardowych funkcji transformacji (176)
• Podsumowanie (177)

Rozdział 4. Uczenie maszynowe (179)
• Przygotowywanie narzędzi i zbiorów danych (179)
• Regresja liniowa i logistyczna (181)
• Naiwny klasyfikator bayesowski (184)
• Algorytm kNN (187)
• Algorytmy nieliniowe (188)
 Stosowanie algorytmu SVM do klasyfikowania (190)
 Stosowanie algorytmów SVM do regresji (192)
 Dostrajanie algorytmu SVM (193)
• Strategie oparte na zestawach algorytmów (195)
 Pasting z użyciem losowych próbek (196)
 Bagging z użyciem słabych klasyfikatorów (196)
 Podprzestrzenie losowe i obszary losowe (197)
 Algorytmy Random Forests i Extra-Trees (198)
 Szacowanie prawdopodobieństwa na podstawie zestawów (200)
 Sekwencje modeli - AdaBoost (202)
 Metoda GTB (202)
 XGBoost (203)
• Przetwarzanie big data (206)
 Tworzenie przykładowych dużych zbiorów danych (207)
 Skalowalność ze względu na ilość danych (208)
 Radzenie sobie z szybkością napływu danych (210)
 Radzenie sobie z różnorodnością (211)
 Przegląd algorytmów z rodziny SGD (213)
• Wprowadzenie do uczenia głębokiego (214)
• Krótkie omówienie przetwarzania języka naturalnego (221)
 Podział na tokeny (221)
 Stemming (222)
 Oznaczanie części mowy (223)
 Rozpoznawanie nazw własnych (224)
 Stop-słowa (225)
 Kompletny przykład z obszaru nauki o danych - klasyfikowanie tekstu (225)
• Przegląd technik uczenia nienadzorowanego (227)
• Podsumowanie (237)

Rozdział 5. Analizy sieci społecznościowych (239)
• Wprowadzenie do teorii grafów (239)
• Algorytmy dla grafów (244)
• Wczytywanie grafów, zapisywanie ich w pliku i pobieranie z nich podpróbek (252)
• Podsumowanie (255)

Rozdział 6. Wizualizacje, wnioski i wyniki (257)
• Wprowadzenie do pakietu Matplotlib (257)
 Rysowanie krzywych (259)
 Stosowanie paneli (260)
 Wykresy punktowe określające relacje w danych (262)
 Histogramy (263)
 Wykresy słupkowe (264)
 Wyświetlanie rysunków (265)
 Wybrane przykłady graficzne z użyciem pakietu pandas (268)
 Wykresy punktowe (271)
 Metoda współrzędnych równoległych (273)
• Opakowywanie poleceń z pakietu Matplotlib (274)
 Wprowadzenie do biblioteki seaborn (274)
 Wzbogacanie możliwości z zakresu eksploracji danych (279)
• Interaktywne wizualizacje z użyciem pakietu Bokeh (284)
• Zaawansowane reprezentacje dotyczące uczenia się na podstawie danych (288)
 Krzywe uczenia (288)
 Krzywe walidacji (290)
 Znaczenie cech w algorytmie Random Forests (292)
 Wykresy częściowej zależności oparte na drzewach GBT (293)
 Budowanie serwera predykcji w modelu ML-AAS (294)
• Podsumowanie (299)

Dodatek A. Utrwalanie podstaw Pythona (301)
• Lista zagadnień do nauki (302)
 Listy (302)
 Słowniki (304)
 Definiowanie funkcji (305)
 Klasy, obiekty i programowanie obiektowe (307)
 Wyjątki (308)
 Iteratory i generatory (309)
 Instrukcje warunkowe (310)
 Wyrażenia listowe i słownikowe (311)
• Nauka przez obserwację, lekturę i praktykę (311)
 Masowe otwarte kursy online (311)
 PyCon i PyData (312)
 Interaktywne sesje w Jupyterze (312)
 Nie wstydź się - podejmij wyzwanie (312)