Cantitate/Preț
Produs
Total produse
Vezi coșul
Julia for Data Science de Dr Zacharias Voulgaris Ph.D.

Julia for Data Science

Autor Dr Zacharias Voulgaris Ph.D.
en Limba Engleză Paperback – sep 2016

Adresat în principal profesioniștilor din zona de analiză a datelor și inginerilor software care doresc să facă trecerea către un limbaj de înaltă performanță, Julia for Data Science propune o abordare tehnică și aplicată asupra întregului ecosistem Julia. Putem afirma că această lucrare depășește sfera teoretică, concentrându-se pe soluționarea provocărilor critice de business. Autorul, Dr Zacharias Voulgaris Ph.D., își folosește expertiza acumulată în titluri anterioare, precum Data Science, pentru a integra limbajul Julia într-un context metodologic mai larg.

Suntem de părere că punctul forte al cărții rezidă în structura sa progresivă, care oglindește etapele reale ale unui proiect: de la instalare și configurarea IDE-urilor, până la ingineria datelor (curățare, formatare) și vizualizare. Abordarea diferă de Statistics with Julia de Yoni Nazarathy prin faptul că este mai puțin orientată către fundamentele matematice ale probabilităților și mult mai axată pe implementarea fluxurilor de lucru (pipelines) și a algoritmilor de machine learning, inclusiv metode precum clustering sau rețele neuronale de bază. Dacă alte lucrări se limitează la sintaxă, Dr Zacharias Voulgaris Ph.D. pune accent pe pachetele specializate și pe analiza de grafuri pentru extragerea de perspective utile.

Fiecare capitol este calibrat pentru a fi utilizabil imediat, încheindu-se cu exerciții de consolidare care pregătesc cititorul pentru capitolul final: construcția unei aplicații complete. În comparație cu Beginning Julia Programming de Sandeep Nagar, acest volum este mai specific orientat către data science, oferind un echilibru între viteza de execuție a limbajului (comparabilă cu C sau Fortran) și ușurința de utilizare specifică Python sau R, totul sub egida editurii Technics Publications Llc (US).

Citește tot Restrânge

Preț: 22141 lei

Preț vechi: 27677 lei
-20%

Puncte Express: 332

Carte disponibilă

Livrare economică 22 mai-05 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781634621304
ISBN-10: 1634621301
Pagini: 200
Dimensiuni: 155 x 230 x 25 mm
Greutate: 0.77 kg
Editura: Technics Publications Llc (US)
Colecția Technics Publications LLC (US)
Locul publicării:United States

De ce să citești această carte

Pentru analiștii de date și programatorii care vor să exploateze viteza limbajului Julia în proiecte complexe de machine learning. Cititorul câștigă o metodologie clară de lucru, de la pre-procesarea datelor până la analiza de grafuri și implementarea de modele supervizate. Este un ghid practic, esențial pentru cei care au nevoie de performanță computațională fără a sacrifica simplitatea scrierii codului.

Descriere

Master how to use the Julia language to solve business critical data science challenges. After covering the importance of Julia to the data science community and several essential data science principles, we start with the basics including how to install Julia and its powerful libraries. Many examples are provided as we illustrate how to leverage each Julia command, dataset, and function. Specialised script packages are introduced and described. Hands-on problems representative of those commonly encountered throughout the data science pipeline are provided, and we guide you in the use of Julia in solving them using published datasets. Many of these scenarios make use of existing packages and built-in functions, as we cover: 1. An overview of the data science pipeline along with an example illustrating the key points, implemented in Julia; 2. Options for Julia IDEs; 3. Programming structures and functions; 4. Engineering tasks, such as importing, cleaning, formatting and storing data, as well as performing data pre-processing; 5. Data visualisation and some simple yet powerful statistics for data exploration purposes; 6. Dimensionality reduction and feature evaluation; 7. Machine learning methods, ranging from unsupervised (different types of clustering) to supervised ones (decision trees, random forests, basic neural networks, regression trees, and Extreme Learning Machines); 8. Graph analysis including pinpointing the connections among the various entities and how they can be mined for useful insights. Each chapter concludes with a series of questions and exercises to reinforce what you learned. The last chapter of the book will guide you in creating a data science application from scratch using Julia.