Наука о данных с помощью Python начинается с знакомства с наукой о данных, а затем научит устанавливать пакеты, необходимые для создания среды программирования для науки о данных. Вы изучите три основных метода машинного обучения: обучение без учителя, обучение с учителем и обучение с подкреплением. Вы также изучите основные методы классификации и регрессии, такие как машины опорных векторов, деревья решений и логистическая регрессия. По мере изучения глав вы изучите основные функции, структуры данных и синтаксис используемого языка Python. для легкой обработки больших наборов данных. Вы узнаете о библиотеках NumPy и pandas для матричных вычислений и манипулирования данными, изучите, как использовать Matplotlib для создания настраиваемых визуализаций и примените алгоритм повышения XGBoost для прогнозирования. В заключительных главах вы изучите сверточные нейронные сети (CNN) — алгоритмы глубокого обучения, используемые для прогнозирования того, что находится на изображении. Вы также поймете, как передавать человеческие предложения в нейронную сеть, заставить модель обрабатывать контекстную информацию и создавать системы обработки человеческого языка для прогнозирования результата. К концу этой книги вы сможете понимать и применять любые новые данные. научный алгоритм и иметь смелость экспериментировать с инструментами или библиотеками, отличными от описанных в книге.