Наука про дані з Python починається зі знайомства з наукою про дані, а потім навчається встановлювати пакети, необхідні для створення середовища кодування науки про дані. Ви дізнаєтеся про три основні техніки машинного навчання: навчання без нагляду, навчання під наглядом і навчання з підкріпленням. Ви також ознайомитеся з основними методами класифікації та регресії, такими як опорні векторні машини, дерева рішень і логістична регресія. Проходячи через розділи, ви вивчатимете основні функції, структури даних і синтаксис мови Python, які використовуються для легкої обробки великих наборів даних. Ви дізнаєтеся про бібліотеки NumPy і pandas для обчислень матриць і обробки даних, дізнаєтеся, як використовувати Matplotlib для створення настроюваних візуалізацій і застосуєте алгоритм посилення XGBoost для прогнозування. У заключних розділах ви дослідите згорточні нейронні мережі (CNN), алгоритми глибокого навчання, які використовуються для передбачення того, що є на зображенні. Ви також зрозумієте, як передавати людські речення в нейронну мережу, змусити модель обробляти контекстну інформацію та створювати системи обробки людської мови для прогнозування результату. До кінця цієї книги ви зможете зрозуміти та застосувати будь-які нові дані науковий алгоритм і мати впевненість експериментувати з інструментами чи бібліотеками, відмінними від тих, що описані в книзі.