データ サイエンス プロジェクトには柔軟な部分が多く、すべてのコード、アルゴリズム、データセット、形式、視覚化を連携させるには練習とスキルが必要です。この本では、ニュースの見出しに基づいた病気の流行の追跡、ソーシャル ネットワークの分析、広告クリック データのパターンの発見など、5 つの実際のプロジェクトをガイドします。
「Python データ サイエンス プロジェクトの実践」では、表面的な理論や単純な例を超えています。各プロジェクトに取り組むにつれて、データの欠落、乱雑なデータ、構築したモデルに適合しないアルゴリズムなどの一般的な問題を解決する方法がわかります。詳細なセットアップ手順と、一般的な障害に対する包括的な解決策を学習します。最後に、これらのプロジェクトを完了することで、自分のスキルに自信が持てるようになります。
本書は豊富な事例を提供するだけでなく、Python を使ったデータサイエンス業務に必要な知識を非常に厳密かつ完全な構成で紹介しています。本書は5つの事例を通して解説されています。1つ目は、確率論に関する内容をPythonで扱う方法を紹介するもので、他の本にはあまり載っていないのですが、確率論関連の専門書を勉強するのは、とても苦痛ですし、なろうとも思っていません。確率の専門家 専門家というテーマについて。本書の最初の事例で紹介されている内容は、あなたの仕事に関わる確率論に関するニーズのほとんどを満たすことができます。2つ目は、Pythonで統計関連の知識を活用してデータを加工する方法を紹介するもので、退屈な統計知識を非常にわかりやすく解説しており、より深く理解できる内容になっています。3 番目のケースでは、Python を使用して地理情報に関連するデータを処理する方法と、scikit-learn ライブラリを使用して効率的なクラスタリングを実現する方法を紹介します。4 番目のケースでは、今日人気の自然言語処理テクノロジーを使用して実際的な問題に対処する方法を紹介します。5件目はネットワーク理論と教師あり学習に関する内容を紹介します。この5つの事例を学ぶことで、Pythonやデータサイエンスへの理解が深まり、仕事や勉強に応用できるようになると思います。
『Python データサイエンス プロジェクト コンバット』訳者序文より抜粋
