DATA SCIENCE PAR LA PRATIQUE - FONDAMENTAUX AVEC PYTHON (BLANCHE)

個数:

DATA SCIENCE PAR LA PRATIQUE - FONDAMENTAUX AVEC PYTHON (BLANCHE)

  • 海外の書籍取次会社を通じて出版社等からお取り寄せいたします。
    通常4~8週間ほどで発送の見込みですが、商品によってはさらに時間がかかることもございます。
    重要ご説明事項
    1. 納期遅延や、ご入手不能となる場合がございます。
    2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
    3. 美品のご指定は承りかねます。

    ●3Dセキュア導入とクレジットカードによるお支払いについて
  • 【入荷遅延について】
    世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
    おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。
  • ◆画像の表紙や帯等は実物とは異なる場合があります。
  • ◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
    また、洋書販売価格は、ご注文確定時点での日本円価格となります。
    ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。
  • 製本 Paperback:紙装版/ペーパーバック版
  • 商品コード 9782212679076

基本説明

Un ouvrage de référence pour les (futurs) data scientists

Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans cette discipline sans la comprendre. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro.

Si vous êtes fort en maths et que vous connaissez la programmation, l’auteur, Joel Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et avec les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d’aujourd’hui contient les réponses aux questions que personne n’a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses.

La deuxième édition, revue et augmentée, de cet ouvrage comporte des codes et exemples associés entièrement réécrits en Python 3.6 et intègre de nouveaux chapitres sur l’apprentissage profond (deep learning), les statistiques et le traitement en langage naturel.
Suivez un cours accéléré de Python.Apprenez les fondamentaux de l’algèbre linéaire, des statistiques et des probabilités, et comprenez comment et quand les utiliser en data science.Collectez, explorez, nettoyez, bricolez et manipulez les données.Plongez dans les bases de l’apprentissage automatique.Implémentez des modèles comme les k plus proches voisins, la classification naïve bayésienne, les régressions linéaire ou logistique, les arbres de décision, les réseaux neuronaux et le clustering.

最近チェックした商品