Ebook
R$ 59,76
ou R$ 74,70 para não assinantes

Leia no app e no site Ubook

Projetos De Ciência De Dados Com Python: Abordagem De Estudo De Caso Para A Criação De Projetos De Ciência De Dados Bem-sucedidos Usando Python, Pandas E Scikit-learn

por Stephen Klosterman
 
Ubook Premium é a assinatura que dá acesso ilimitado ao acervo da Ubook.
São mais de 400 mil títulos entre audiobooks, documentários, podcasts, ebooks e revistas, que podem ser acessado pelo nosso site ou aplicativo. Você também ganha desconto na compra de qualquer livro avulso na Ubook Store.
Projetos de ciência de dados com Python foi pensado para oferecer orientação prática sobre ferramentas padrão para análise de dados e machine learning em Python com a ajuda de dados reais. O curso o ajudará a entender como usar pandas e o Matplotlib para examinar criticamente um dataset com sínteses estatísticas e gráficos e extrair os insights que deseja obter. Você continuará adquirindo conhecimento ao aprender a preparar dados e a fornecê-los para algoritmos de machine learning, como o de regressão logística regularizada e o de floresta aleatória, usando o pacote scikit-learn. Também aprenderá como ajustar algoritmos para fornecer as melhores previsões sobre dados novos não conhecidos. À medida que percorrer os capítulos mais avançados, conhecerá o funcionamento e a saída desses algoritmos e entenderá melhor não só os recursos preditivos dos modelos, mas também o que os leva a fazer essas previsões.
No fim do curso, você terá as habilidades necessárias para usar confiantemente vários algoritmos de machine learning a fim de executar análises de dados detalhadas e extrair insights significativos dos dados.
Objetivos do livro:
• Instalação dos pacotes necessários para a definição de um ambiente de codificação de ciência de dados
• Carregamento de dados em um Jupyter Notebook executando Python
• Uso do Matplotlib para a criação de visualizações de dados
• Criação de um modelo com o uso do scikit-learn
• Uso do lasso e da regressão ridge para dedução do overfitting
• Criação e ajuste de um modelo de floresta aleatória e comparação do desempenho com o da regressão logística
• Criação de visualizações com o uso da saída do Jupyter Notebook.
Altura
15
Largura
2
Profundidade
11
Autor/Autores
Stephen Klosterman
ISBN
9786586057119
Editora
Novatec Editora
Idioma
Português Brasil
Tamanho (MB)
0
Formato
EPUB
To Top