- EAN13
- 9782100859764
- ISBN
- 978-2-10-085976-4
- Éditeur
- Dunod
- Date de publication
- 13/03/2024
- Collection
- InfoPro (1)
- Nombre de pages
- 336
- Dimensions
- 24,1 x 17,1 x 1,7 cm
- Poids
- 500 g
- Langue
- français
- Fiches UNIMARC
- S'identifier
Python pour le data scientist - 3e éd.
Des bases du langage au machine learning
De Emmanuel Jakobowicz
Dunod
InfoPro
Offres
Autre version disponible
Si vous vous intéressez au traitement des données avec le langage Python, cet ouvrage s’adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science.
Ce livre répond à de nombreuses questions sur Python :Comment utiliser Python en data science ?Comment coder en Python ?Comment préparer des données avec Python ?Comment créer des visualisations attractives avec Python ?Comment appliquer des modèles de machine learning et de deep learning avec Python ?Comment passer aux environnements big data ?Vous apprendrez à tirer parti des multiples outils Python tels que conda, Jupyter, NumPy, Pandas, Matplotlib, Seaborn, Plotly, Dash, Streamlit, Scikit-Learn, TensorFlow, Keras, PySpark... pour mettre en place vos traitements.
Cette troisième édition est complétée et enrichie par des mises à jour de code liées aux évolutions de Python et des packages de data science.
L’ensemble du code compris dans cet ouvrage est disponible sous la forme de notebooks Jupyter dans le repository public de l’auteur : https://github.com/emjako/pythondatascientist
Ce livre répond à de nombreuses questions sur Python :Comment utiliser Python en data science ?Comment coder en Python ?Comment préparer des données avec Python ?Comment créer des visualisations attractives avec Python ?Comment appliquer des modèles de machine learning et de deep learning avec Python ?Comment passer aux environnements big data ?Vous apprendrez à tirer parti des multiples outils Python tels que conda, Jupyter, NumPy, Pandas, Matplotlib, Seaborn, Plotly, Dash, Streamlit, Scikit-Learn, TensorFlow, Keras, PySpark... pour mettre en place vos traitements.
Cette troisième édition est complétée et enrichie par des mises à jour de code liées aux évolutions de Python et des packages de data science.
L’ensemble du code compris dans cet ouvrage est disponible sous la forme de notebooks Jupyter dans le repository public de l’auteur : https://github.com/emjako/pythondatascientist
S'identifier pour envoyer des commentaires.
Autres contributions de...
-
Python pour le data scientist - 2e éd., Des bases du langage au machine learningEmmanuel JakobowiczDunod
-
L'intelligence artificielle, une révolution ?, Science, fiction, marketing, ce qu'est vraiment l'iaJean-Michel Jakobowicz, Emmanuel JakobowiczAlisio