Análise de dados Python para novatos: numpy/pandas/matplotlib/sklearn/keras

Obrigado por teres pegado neste livro. Este livro é uma introdução para principiantes à análise de dados utilizando a programação Python. Este livro é escrito para os seguintes leitores.

1) Interessado na aprendizagem de máquinas e na aprendizagem profunda 2) Interessado em programar com Python. 3) Interessado em análise de dados. 4) Interessado em utilizar Numpy/Pandas/Matplotlib/ScikitLearn. 5) Não interessado em construir ambientes de aprendizagem de máquinas. 6) Não interessado em gastar muito dinheiro para a aprendizagem. 7) Vagamente preocupado com a nova epidemia de corona e com o futuro.

Muitos dos meus amigos e conhecidos começaram a análise de dados com uma vingança, apenas para ficarem satisfeitos com o processo diário de criação de um ambiente, e depois, depois de fazerem MNIST (conjuntos de dados de imagens numéricas manuscritas) e tutoriais de classificação da íris, ocupam-se com os seus trabalhos diurnos e abandonam-na por algum tempo.

Este livro utiliza o ambiente de execução Python gratuito fornecido pelo Google para executar o código fonte testado no livro, permitindo-lhe aprender fazendo programação com tempo zero para configurar o seu próprio ambiente.

Este livro concentra-se no mínimo de conhecimentos necessários para que um principiante possa fazer uma análise séria dos dados em Python. O nosso objectivo é que até ao final do livro, os leitores terão atingido os cinco objectivos seguintes.

1) Construir e treinar modelos de aprendizagem profunda e modelos de aprendizagem mecânica a partir de dados arbitrários a serem treinados e previstos utilizando bibliotecas de aprendizagem profunda (keras) e bibliotecas de aprendizagem mecânica (scikit-learn).

2) Utilizar Pandas em vez de Excel para o processamento de dados em grande escala.

3) Manipular arrays multidimensionais usando Numpy.

4) Para desenhar livremente gráficos usando Matplotlib.

5) Realizar análises simples de dados sobre a propagação de novos coronavírus.

■■■■■Contents■■■■■■

1. Introdução 2. Declaração de exoneração de responsabilidade 3. Marcas comerciais e marcas registadas 4. Feedback 5. Caderno Jupyter 6. Ambiente GPU ーGoogle Colaborador 7. Aprendizagem Mínima MNIST mais profunda 8. Python 　■Hello Mundo Pitonico! 9.

Pandas 　■The significado de Pandas 　■DataFrame Tipo 　■Visualization apenas com Pandas 　■Table junta-se com uma chave específica 　■CSV entrada/saída de ficheiros (versão compatível com Colab) 　■Getting qualquer célula ou intervalo de células 　■Retrieve apenas os valores das células que preenchem condições específicas.

■Impact da nova corona sobre os preços das acções, tal como visto em Pandas 10.

Numpy 　■The significado do Numpy 　■Numpy Função de Geração de Raízes 　■Tips para caderno de notas Jupyter 　■Numpy.ndarray’s Indexing/Slicing 　■Image processamento CIFAR10 em Numpy 　■Broadcast de Numpy.ndarray 　■Calculating o produto interior 11.

Matplotlib 　■Legend, Título, etiquetas de eixo X e eixo Y 　■Bar Gráficos 　■Series Especificação de cor 　■Histogram 　■Scatter Lote 　■Stack Lote 　■Pie Gráficos　 　■３D Gráfico 12. Scikit-Learn 　■SVM:Máquina Vectorial de Apoio 　■RandomForest 　■XGBOOST(Classificação) 　■XGBOOST(Regressão) 13.

Keras 　■LeNet 　■VGG 　■Data link para a nova Corona (covid-19) 　■Kaggle(inglês) 　■SIGNATE(Inglês/Japonês) ■■■■■■■■■■