Nasza specjalność? Elektronika i druk 3D
Szybka dostawa 30 dni na zwrot
Magazyn i serwis? U nas, w Polsce!
Doradzamy i inspirujemy +1,7 mln zamówień
Nasza specjalność? Elektronika i druk 3D
Szybka dostawa 30 dni na zwrot
Magazyn i serwis? U nas, w Polsce!
Doradzamy i inspirujemy +1,7 mln zamówień

Zaufało nam już ponad 500 000 klientów. U nas masz:

 

wysyłkę tego samego dnia przy produktach z oznaczeniem „Wysyłka 24h”

 

własny serwis w Polsce

 

30 dni na zwrot i darmową dostawę w Polsce od 500 zł

 

4,9/5 w TrustMate i 4,9/5 w Google (prawie 4000 opinii)

 

fakturę VAT, leasing i raty dla firm

Dla firm

 

indywidualna wycena przy większych ilościach

 

leasing i raty od 1000 zł

 

faktura VAT

Dla szkół i uczelni

 

0% VAT na wybrane produkty

 

faktura z terminem płatności

 

pomoc w doborze zestawów do pracowni

Złóż zapytanie ofertowe - odpowiadamy szybko.

Indeks: KSZ-21247
EAN: 9788383221311

Data science od podstaw. Analiza danych w Pythonie. Wydanie II - Joel Grus

Podręcznik zawiera zagadnienia związane z podstawami nauki o danych. Przeznaczony jest dla przyszłych programistów. Wyjaśnia niezbędne elementy matematyki i statystyki. Przedstawia także techniki budowy potrzebnych narzędzi i sposoby działania najistotniejszych algorytmów. Zamieszczone w książce przykłady napisano w Pythonie, a pracę na danych ułatwia szereg przydatnych bibliotek Pythona. Drugie wydanie porusza nowe tematy, takie jak uczenie głębokie, statystyka i przetwarzanie języka naturtalnego, a także działania na ogromnych zbiorach danych.

Cena:
Cena netto:

Produkt wycofany ze sprzedaży

Ten model nie jest już produkowany i nie wróci do naszej oferty.

Uwaga!

Sprzedaż produktu została zakończona. Sprawdź inne w tej kategorii.

Opis produktu: Data science od podstaw. Analiza danych w Pythonie. Wydanie II - Joel Grus

Podręcznik zawiera zagadnienia związane z podstawami nauki o danych. Przeznaczony jest dla przyszłych programistów. Wyjaśnia niezbędne elementy matematyki i statystyki. Przedstawia także techniki budowy potrzebnych narzędzi i sposoby działania najistotniejszych algorytmów. Zamieszczone w książce przykłady napisano w Pythonie, a pracę na danych ułatwia szereg przydatnych bibliotek Pythona. Drugie wydanie porusza nowe tematy, takie jak uczenie głębokie, statystyka i przetwarzanie języka naturalnego, a także działania na ogromnych zbiorach danych. Data science od podstaw. Analiza danych w Pythonie zawiera między innymi:

  • Elementy algebry liniowej, statystyki i rachunku prawdopodobieństwa
  • Zbieranie, oczyszczanie i eksploracja danych
  • Algorytmy modeli analizy danych
  • Podstawy uczenia maszynowego
  • Systemy rekomendacji i przetwarzanie języka naturalnego
  • Analiza sieci społecznościowych i algorytm MapReduce
Data science od podstaw. Analiza danych w Pythonie. Wydanie II - Joel Grus

Data science od podstaw. Analiza danych w Pythonie. Wydanie II - Joel Grus.

Data science od podstaw. Analiza danych w Pythonie. Wydanie II

Data science od podstaw. Analiza danych w Pythonie. Wydanie II.

Informacje o autorze

Joel Grus - inżynier oprogramowania, analityk danych i autor książek. Obecnie zajmuje się pracą badawczą w Allen Institute for Artificial Intelligence w Seattle. Pracował w firmie Google i kilku startupach.

Informacje o książce

  • Tytuł oryginalny: Data Science from Scratch: First Principles with Python, 2nd Edition
  • Autor: Joel Grus
  • Tłumaczenie: Wojciech Bombik, Konrad Matuk
  • ISBN: 978-83-8322-131-1
  • Rok wydania: 2020
  • Format: 168 x 237 mm
  • Oprawa: miękka
  • Ilość stron: 352
  • Wydawnictwo: Helion S.A.

Spis treści

  • Przedmowa do drugiego wydania: 11
  • Przedmowa do pierwszego wydania: 14
  • 1. Wprowadzenie: 17
  • Znaczenie danych: 17
  • Czym jest analiza danych?: 17
  • Hipotetyczna motywacja: 18
  • Określanie najważniejszych węzłów: 19
  • Analitycy, których możesz znać: 21
  • Wynagrodzenie i doświadczenie: 23
  • Płatne konta: 25
  • Tematy interesujące użytkowników: 26
  • Co dalej?: 27
  • 2. Błyskawiczny kurs Pythona: 29
  • Zasady tworzenia kodu Pythona: 29
  • Skąd wziąć interpreter Pythona?: 30
  • Środowiska wirtualne: 30
  • Formatowanie za pomocą białych znaków: 31
  • Moduły: 32
  • Polskie znaki diakrytyczne: 33
  • Funkcje: 33
  • Łańcuchy: 34
  • Wyjątki: 35
  • Listy: 35
  • Krotki: 36
  • Słowniki: 37
  • defaultdict: 38
  • Counter: 39
  • Zbiory: 39
  • Przepływ sterowania: 40
  • Wartości logiczne: 41
  • Sortowanie: 42
  • Składanie list: 42
  • Testy automatyczne i instrukcja assert: 43
  • Programowanie obiektowe: 43
  • Obiekty iterowalne i generatory: 45
  • Losowość: 46
  • Wyrażenia regularne: 47
  • Narzędzia funkcyjne: 48
  • Funkcja zip i rozpakowywanie argumentów: 48
  • Argumenty nazwane i nienazwane: 49
  • Adnotacje typów: 50
  • Jak pisać adnotacje typów: 52
  • Witaj w firmie DataSciencester!: 53
  • Dalsza eksploracja: 53
  • 3. Wizualizacja danych: 55
  • Pakiet matplotlib: 55
  • Wykres słupkowy: 57
  • Wykresy liniowe: 60
  • Wykresy punktowe: 60
  • Dalsza eksploracja: 63
  • 4. Algebra liniowa: 65
  • Wektory: 65
  • Macierze: 69
  • Dalsza eksploracja: 71
  • 5. Statystyka: 73
  • Opis pojedynczego zbioru danych: 73
  • Tendencje centralne: 74
  • Dyspersja: 76
  • Korelacja: 78
  • Paradoks Simpsona: 80
  • Inne pułapki związane z korelacją: 81
  • Korelacja i przyczynowość: 81
  • Dalsza eksploracja: 82
  • 6. Prawdopodobieństwo: 83
  • Zależność i niezależność: 83
  • Prawdopodobieństwo warunkowe: 84
  • Twierdzenie Bayesa: 85
  • Zmienne losowe: 87
  • Ciągły rozkład prawdopodobieństwa: 87
  • Rozkład normalny: 89
  • Centralne twierdzenie graniczne: 91
  • Dalsza eksploracja: 93
  • 7. Hipotezy i wnioski: 95
  • Sprawdzanie hipotez: 95
  • Przykład: rzut monetą: 95
  • Wartości p: 98
  • Przedziały ufności: 99
  • Hakowanie wartości p: 100
  • Przykład: przeprowadzanie testu A-B: 101
  • Wnioskowanie bayesowskie: 102
  • Dalsza eksploracja: 105
  • 8. Metoda gradientu prostego: 107
  • Podstawy metody gradientu prostego: 107
  • Szacowanie gradientu: 108
  • Korzystanie z gradientu: 111
  • Dobór właściwego rozmiaru kroku: 111
  • Używanie metody gradientu do dopasowywania modeli: 112
  • Metody gradientu prostego: stochastyczna i minibatch: 113
  • Dalsza eksploracja: 114
  • 9. Uzyskiwanie danych: 117
  • Strumienie stdin i stdout: 117
  • Wczytywanie plików: 119
  • Podstawowe zagadnienia dotyczące plików tekstowych: 119
  • Pliki zawierające dane rozdzielone separatorem: 120
  • Pobieranie danych ze stron internetowych: 122
  • HTML i parsowanie: 122
  • Przykład: wypowiedzi kongresmenów: 124
  • Korzystanie z interfejsów programistycznych: 126
  • Format JSON (i XML): 126
  • Korzystanie z interfejsu programistycznego bez uwierzytelniania: 127
  • Poszukiwanie interfejsów programistycznych: 128
  • Przykład: korzystanie z interfejsów programistycznych serwisu Twitter: 128
  • Uzyskiwanie danych uwierzytelniających: 129
  • Dalsza eksploracja: 132
  • 10. Praca z danymi: 133
  • Eksploracja danych: 133
  • Eksploracja danych jednowymiarowych: 133
  • Dwa wymiary: 135
  • Wiele wymiarów: 136
  • Wykorzystanie klasy NamedTuple: 137
  • Dekorator dataclass: 139
  • Oczyszczanie i wstępne przetwarzanie danych: 140
  • Przetwarzanie danych: 141
  • Przeskalowanie: 144
  • Dygresja: tqdm: 145
  • Redukcja liczby wymiarów: 146
  • Dalsza eksploracja: 151
  • 11. Uczenie maszynowe: 153
  • Modelowanie: 153
  • Czym jest uczenie maszynowe?: 154
  • Nadmierne i zbyt małe dopasowanie: 154
  • Poprawność: 157
  • Kompromis pomiędzy wartością progową a wariancją: 159
  • Ekstrakcja i selekcja cech: 161
  • Dalsza eksploracja: 162
  • 12. Algorytm k najbliższych sąsiadów: 163
  • Model: 163
  • Przykład: dane dotyczące irysów: 165
  • Przekleństwo wymiarowości: 168
  • Dalsza eksploracja: 171
  • 13. Naiwny klasyfikator bayesowski: 173
  • Bardzo prosty filtr antyspamowy: 173
  • Bardziej zaawansowany filtr antyspamowy: 174
  • Implementacja: 175
  • Testowanie modelu: 177
  • Używanie modelu: 178
  • Dalsza eksploracja: 180
  • 14. Prosta regresja liniowa: 181
  • Model: 181
  • Korzystanie z algorytmu spadku gradientowego: 184
  • Szacowanie maksymalnego prawdopodobieństwa: 185
  • Dalsza eksploracja: 185
  • 15. Regresja wieloraka: 187
  • Model: 187
  • Dalsze założenia dotyczące modelu najmniejszych kwadratów: 188
  • Dopasowywanie modelu: 189
  • Interpretacja modelu: 190
  • Poprawność dopasowania: 191
  • Dygresja: ładowanie wstępne: 192
  • Błędy standardowe współczynników regresji: 193
  • Regularyzacja: 194
  • Dalsza eksploracja: 196
  • 16. Regresja logistyczna: 197
  • Problem: 197
  • Funkcja logistyczna: 199
  • Stosowanie modelu: 201
  • Poprawność dopasowania: 202
  • Maszyny wektorów nośnych: 203
  • Dalsza eksploracja: 206
  • 17. Drzewa decyzyjne: 207
  • Czym jest drzewo decyzyjne?: 207
  • Entropia: 209
  • Entropia podziału: 211
  • Tworzenie drzewa decyzyjnego: 211
  • Łączenie wszystkiego w całość: 214
  • Lasy losowe: 216
  • Dalsza eksploracja: 217
  • 18. Sztuczne sieci neuronowe: 219
  • Perceptrony: 219
  • Jednokierunkowe sieci neuronowe: 221
  • Propagacja wsteczna: 224
  • Przykład: Fizz Buzz: 226
  • Dalsza eksploracja: 228
  • 19. Uczenie głębokie: 229
  • Tensor: 229
  • Abstrakcja Layer: 231
  • Warstwa Linear: 233
  • Sieci neuronowe jako sekwencje warstw: 235
  • Abstrakcja Loss i optymalizacja: 235
  • Przykład: kolejne podejście do bramki XOR: 237
  • Inne funkcje aktywacji: 238
  • Przykład: kolejne podejście do gry Fizz Buzz: 239
  • Funkcja softmax i entropia krzyżowa: 240
  • Dropout: 242
  • Przykład: MNIST: 243
  • Zapisywanie i wczytywanie modeli: 246
  • Dalsza eksploracja: 247
  • 20. Grupowanie: 249
  • Idea: 249
  • Model: 250
  • Przykład: spotkania: 252
  • Wybór wartości parametru k: 253
  • Przykład: grupowanie kolorów: 255
  • Grupowanie hierarchiczne z podejściem aglomeracyjnym: 257
  • Dalsza eksploracja: 261
  • 21. Przetwarzanie języka naturalnego: 263
  • Chmury wyrazowe: 263
  • Modele n-gram: 264
  • Gramatyka: 267
  • Na marginesie: próbkowanie Gibbsa: 269
  • Modelowanie tematu: 271
  • Wektory słów: 275
  • Rekurencyjne sieci neuronowe: 283
  • Przykład: używanie rekurencyjnej sieci neuronowej na poziomie pojedynczych znaków: 285
  • Dalsza eksploracja: 288
  • 22. Analiza sieci społecznościowych: 289
  • Pośrednictwo: 289
  • Centralność wektorów własnych: 294
  • Mnożenie macierzy: 294
  • Centralność: 295
  • Grafy skierowane i metoda PageRank: 297
  • Dalsza eksploracja: 299
  • 23. Systemy rekomendujące: 301
  • Ręczne rozwiązywanie problemu: 301
  • Rekomendowanie tego, co jest popularne: 302
  • Filtrowanie kolaboratywne oparte na użytkownikach: 303
  • Filtrowanie kolaboratywne oparte na zainteresowaniach: 305
  • Faktoryzacja macierzy: 307
  • Dalsza eksploracja: 311
  • 24. Bazy danych i SQL: 313
  • Polecenia CREATE TABLE i INSERT: 313
  • Polecenie UPDATE: 316
  • Polecenie DELETE: 316
  • Polecenie SELECT: 317
  • Polecenie GROUP BY: 319
  • Polecenie ORDER BY: 321
  • Polecenie JOIN: 322
  • Zapytania składowe: 324
  • Indeksy: 324
  • Optymalizacja zapytań: 325
  • Bazy danych NoSQL: 326
  • Dalsza eksploracja: 326
  • 25. Algorytm MapReduce: 327
  • Przykład: liczenie słów: 327
  • Dlaczego warto korzystać z algorytmu MapReduce?: 329
  • Algorytm MapReduce w ujęciu bardziej ogólnym: 330
  • Przykład: analiza treści statusów: 331
  • Przykład: mnożenie macierzy: 332
  • Dodatkowe informacje: zespalanie: 334
  • Dalsza eksploracja: 334
  • 26. Etyka przetwarzania danych: 335
  • Czym jest etyka danych?: 335
  • Ale tak naprawdę to czym jest etyka danych?: 336
  • Czy powinienem przejmować się etyką danych?: 336
  • Tworzenie złych produktów wykorzystujących dane: 337
  • Kompromis między dokładnością a uczciwością: 337
  • Współpraca: 339
  • Interpretowalność: 339
  • Rekomendacje: 340
  • Tendencyjne dane: 340
  • Ochrona danych: 341
  • Podsumowanie: 342
  • Dalsza eksploracja: 342
  • 27. Praktyka czyni mistrza: 343
  • IPython: 343
  • Matematyka: 343
  • Korzystanie z gotowych rozwiązań: 344
  • NumPy: 344
  • pandas: 344
  • scikit-learn: 344
  • Wizualizacja: 345
  • R: 345
  • Uczenie głębokie: 346
  • Szukanie danych: 346
  • Zabierz się za analizę: 346
  • Hacker News: 347
  • Wozy straży pożarnej: 347
  • Koszulki: 347
  • Tweety na kuli ziemskiej: 348
  • A Ty?: 348
Nazwa Wartość
Książka - Autor Joel Grus
Książka - ISBN 978-83-283-6154-6
Książka - Oprawa miękka
Książka - Wydawnictwo Helion S.A.
Tematyka Python
Szerokość 17 cm
Wysokość 24 cm
Głębokość 2 cm
Waga 0,567 kg

Darmowa dostawa od 500,00 zł

Przy zamówieniach o wartości 500,00 zł i więcej koszt przesyłki pokrywamy my, niezależnie od wybranego przewoźnika. Dotyczy dostawy do kraju: Polska.

Sposób dostawy Czas dostawy Koszt
GLS Automaty Dostawa 24h od 8,99 zł
InPost Paczkomat® 24/7 Dostawa 24h (ubezpieczenie do 200 zł) od 13,99 zł
InPost Kurier Dostawa 24h od 14,99 zł
Kurier GLS Dostawa 24h od 14,99 zł
InPost Paczka w Weekend Dostawa w sobotę od 19,99 zł
InPost Kurier (pobranie) Dostawa 24h od 22,99 zł
Ambro Express (bez wniesienia) Dostawa 1-2 dni od 150,00 zł
Ambro Express (z wniesieniem) Dostawa 1-2 dni od 200,00 zł

Szczegółowe warunki dostawy znajdziesz na stronie Dostawa i płatności.

Zasady składania reklamacji towaru

Zgodnie z obowiązującymi przepisami, ponosimy odpowiedzialność na zasadach określonych w Kodeksie Cywilnym za wady fizyczne i prawne.

Po wykryciu wady Kupujący ma prawo:

  • złożyć oświadczenie o żądaniu obniżenia ceny,
  • złożyć oświadczenie o odstąpieniu od umowy, ale nie wtedy kiedy wada jest nieistotna,
  • żądać wymiany rzeczy na wolną od wad,
  • żądać usunięcia wady.

Informujemy, że Dział Reklamacji firmy Botland rozpatruje zgłoszenia w ciągu 14 dni kalendarzowych od daty ich wpłynięcia. Botland odpowiada z tytułu rękojmi jeśli wada fizyczna zostanie stwierdzona przed upływem dwóch lat od momentu wydania rzeczy.

Informacje dotyczące korzystania z prawa odstąpienia od umowy

Zgodnie z aktualnymi przepisami prawnymi Konsument ma prawo odstąpić od umowy kupna-sprzedaży w terminie 30 dni bez podania przyczyny. Termin ten wygasa po upływie 30 dni od momentu, w którym Konsument wszedł w posiadanie rzeczy lub w którym osoba trzecia inna niż przewoźnik i wskazana przez Konsumenta weszła w posiadanie rzeczy.

Informujemy, że zgodnie z obowiązującymi przepisami oraz §4 Regulaminu zwrot towaru przysługuje wyłącznie Konsumentom (zakup niezwiązany bezpośrednio działalnością gospodarczą lub zawodową). Zwroty nie przysługują Klientom (zakup związany bezpośrednio działalnością gospodarczą lub zawodową).

Przebieg reklamacji / zwrotu

W celu zgłoszenia reklamacji prosimy postępować zgodnie z instrukcją:

  1. Zapoznaj się z zasadami reklamacji / zwrotu.
  2. Wypełnij formularz, który znajduje się poniżej.
  3. Zapoznaj się z treścią otrzymanej odpowiedzi.
  4. Po otrzymaniu wiadomości e-mail ze statusem „Oczekiwanie na przesyłkę”, zabezpiecz i zapakuj niesprawny produkt.
  5. Wyślij przesyłkę na podany niżej adres wraz z wydrukowanym formularzem oraz dowodem zakupu.
Formularz reklamacyjny

W celu rozpoczęcia procedury reklamacyjnej / zwrotu, wypełnij formularz.

Adres do wysyłki

BOTLAND - SERWIS
Gola 25A
63-640 Bralin

Zasady reklamacji

W celu sprawnego przeprowadzenia procesu reklamacji, prosimy o zapoznanie się z opisanymi poniżej zasadami:

  1. Przed odesłaniem sprzętu prosimy o upewnienie się, iż produkt faktycznie jest niesprawny.
  2. W celu sprawnego przebiegu reklamacji prosimy o wypełnienie formularza reklamacyjnego oraz dołączenie go do przesyłki.
  3. Do reklamowanych produktów prosimy dołączyć dowód zakupu (np. paragon, fakturę lub potwierdzenie wykonania przelewu).
  4. Towar należy starannie zapakować, aby zapewnić bezpieczny transport i zapobiec kolejnym uszkodzeniom.
  5. Firma Botland nie odbiera paczek reklamacyjnych wysłanych za pobraniem oraz paczek nadawanych do automatów paczkowych np. urządzeń Paczkomat.
  6. Zwrot kosztów przesyłki następuje po uznaniu reklamacji. Jest to kwota zgodna z najtańszą oferowaną formą dostawy.
  7. Po uznaniu reklamacji zwrot środków nastąpi w ciągu 14 dni. Zwrotu dokonamy przy użyciu takich samych sposobów płatności oraz w tej samej walucie, jakie zostały użyte w pierwotnej transakcji, chyba że Kupujący wyraził zgodę na inne rozwiązanie lub je zaproponował.
  8. Sprzęt prosimy odsyłać kompletny razem z akcesoriami. Produkty niekompletne zostaną odesłane bez rozpatrzenia na koszt nadawcy.
  9. Samodzielna naprawa, przeprowadzona przez osoby nieuprawnione, tj. niebędąca naprawą przez firmę Botland, pozbawia Kupującego prawa do dalszego reklamowania.
  10. O sposobie rozpatrzenia reklamacji Kupujący zostanie poinformowany drogą elektroniczną (poprzez wiadomość e-mail).
  11. Szczegółowe informacje dotyczące aktualnych kosztów wysyłki znajdują się na stronie www.botland.com.pl w zakładce Dostawa.
  12. Odesłanie sprzętu jest równoznaczne z zapoznaniem się z powyższymi zasadami.

Zasady zwrotu towaru

  1. W celu skorzystania z prawa odstąpienia od umowy, Konsument zobowiązany jest poinformować Sprzedającego o swojej decyzji poprzez jednoznaczne oświadczenie.
  2. W celu sprawnego przeprowadzenia procesu zwrotu prosimy o wypełnienie formularza. Konsument może również skorzystać z innego oświadczenia niż zamieszczony formularz.
  3. W przypadku odstąpienia od umowy zwracamy wszystkie otrzymane płatności, w tym koszty dostarczenia rzeczy do Konsumenta (z wyjątkiem dodatkowych kosztów wynikających z wybranego przez Konsumenta sposobu dostarczenia innego niż najtańszy przez nas oferowany). Konsument ponosi koszty przesyłki zwrotnej. Zwrot środków nastąpi w ciągu 14 dni od dnia, w którym zostaliśmy poinformowani o decyzji odstąpienia od umowy. Zwrotu dokonamy przy użyciu takich samych sposobów płatności oraz w tej samej walucie, jakie zostały użyte w pierwotnej transakcji, chyba że Konsument wyraził zgodę na inne rozwiązanie lub je zaproponował.
  4. Możemy wstrzymać się ze zwrotem płatności do czasu otrzymania rzeczy lub dostarczenia nam dowodu jej odesłania, w zależności od tego, które zdarzenie nastąpi wcześniej.
  5. Prosimy o odesłanie lub przekazanie nam rzeczy niezwłocznie, a w każdym razie nie później niż 14 dni od dnia, w którym zostaliśmy poinformowani o odstąpieniu od umowy. Prosimy również o staranne zapakowanie towaru przed wysyłką.
  6. Konsument odpowiada tylko za zmniejszenie wartości produktu wynikającej z korzystania w sposób inny niż było to konieczne do stwierdzenia cech i funkcjonalności.
  7. Firma Botland nie odbiera paczek zwrotnych wysłanych za pobraniem oraz paczek nadawanych do automatów paczkowych np. urządzeń Paczkomat.

Zadaj pierwsze pytanie o ten produkt!

Instrukcje i dokumenty

Dane GPSR

Kraj pochodzenia Polska
Dane kontaktowe producenta Helion.pl sp. z o.o. ul. Kościuszki 1c 44-100 Gliwice [email protected]
Dane kontaktowe wprowadzającego na rynek UE Helion.pl sp. z o.o. ul. Kościuszki 1c 44-100 Gliwice [email protected]
Inni klienci oglądali również

Brak opinii dla tego produktu.