Stan książek
Nasze książki są dokładnie sprawdzone i jasno określamy stan każdej z nich.
Nowa
Książka nowa.
Używany - jak nowa
Niezauważalne lub prawie niezauważalne ślady używania. Książkę ciężko odróżnić od nowej pozycji.
Używany - dobry
Normalne ślady używania wynikające z kartkowania podczas czytania, brak większych uszkodzeń lub zagięć.
Używany - widoczne ślady użytkowania
zagięte rogi, przyniszczona okładka, książka posiada wszystkie strony.
Python Data Science. Niezbędne narzędzia do pracy
Masz tę lub inne książki?
Sprzedaj je u nas
"Python Data Science. Niezbędne narzędzia do pracy z danymi" to książka, która w drugim wydaniu oferuje wszechstronny przewodnik po narzędziach i bibliotekach Pythona, takich jak IPython, NumPy, Pandas, Matplotlib i Scikit-Learn. Są one kluczowe dla naukowców oraz specjalistów zajmujących się analizą danych. Niniejsza publikacja podkreśla praktyczne aspekty każdej z tych bibliotek, co czyni ją niezastąpioną w codziennym przetwarzaniu, przekształcaniu i wizualizacji danych. Jest również pomocna przy tworzeniu modeli statystycznych oraz algorytmów uczenia maszynowego. Dzięki jasnym przykładom przedstawionym przez Anne Bonner, założycielkę Content Simplicity, książka ułatwi konfigurację narzędzi niezbędnych do skutecznej analizy danych. Dowiesz się, jak efektywnie korzystać z naukowego środowiska IPython, jak posługiwać się bibliotekami stworzonymi do pracy z danymi oraz jak tworzyć wizualizacje z Matplotlib. Nauczysz się także implementować kluczowe algorytmy uczenia maszynowego dostępne w Scikit-Learn, co pozwoli Ci na wyciąganie wartościowych wniosków z posiadanych danych.
Wybierz stan zużycia:
WIĘCEJ O SKALI
"Python Data Science. Niezbędne narzędzia do pracy z danymi" to książka, która w drugim wydaniu oferuje wszechstronny przewodnik po narzędziach i bibliotekach Pythona, takich jak IPython, NumPy, Pandas, Matplotlib i Scikit-Learn. Są one kluczowe dla naukowców oraz specjalistów zajmujących się analizą danych. Niniejsza publikacja podkreśla praktyczne aspekty każdej z tych bibliotek, co czyni ją niezastąpioną w codziennym przetwarzaniu, przekształcaniu i wizualizacji danych. Jest również pomocna przy tworzeniu modeli statystycznych oraz algorytmów uczenia maszynowego. Dzięki jasnym przykładom przedstawionym przez Anne Bonner, założycielkę Content Simplicity, książka ułatwi konfigurację narzędzi niezbędnych do skutecznej analizy danych. Dowiesz się, jak efektywnie korzystać z naukowego środowiska IPython, jak posługiwać się bibliotekami stworzonymi do pracy z danymi oraz jak tworzyć wizualizacje z Matplotlib. Nauczysz się także implementować kluczowe algorytmy uczenia maszynowego dostępne w Scikit-Learn, co pozwoli Ci na wyciąganie wartościowych wniosków z posiadanych danych.
