Managing Datasets and Models

Iniciado por joomlamz, 06 de Março de 2023, 19:22

Tópico anterior - Tópico seguinte

0 Membros e 1 Visitante estão a ver este tópico.

joomlamz


Inglês | 2023 | ISBN: ‎ 1683929527 | 387 páginas | Verdadeiro PDF | 9,38 MB


Este livro contém uma introdução rápida às tarefas relacionadas a dados em preparação
para modelos de treinamento em conjuntos de dados. Ele apresenta um exemplo de código baseado em Python passo a passo
que usa o algoritmo kNN para gerenciar um modelo em um conjunto de dados. O Capítulo Um começa com uma
introdução aos conjuntos de dados e problemas que podem surgir, seguido pelo Capítulo Dois sobre outliers e
detecção de anomalia. O próximo capítulo explora maneiras de lidar com dados ausentes e dados inválidos,
e o Capítulo Quatro demonstra como treinar modelos com algoritmos de classificação. O Capítulo 5 apresenta kits de ferramentas de visualização, como Sweetviz, Skimpy, Matplotlib e Seaborn, junto com alguns exemplos de código simples baseados em Python que renderizam tabelas e gráficos. Um apêndice inclui algumas noções básicas sobre o uso do awk. Arquivos complementares com código, conjuntos de dados e figuras estão disponíveis para download com o comprovante de compra da Amazon, escrevendo para o editor em mailto:[email protected].][email protected].

Características
+Abrange tópicos extensos relacionados à limpeza de conjuntos de dados e ao trabalho com modelos
+Inclui amostras de código baseadas em Python e um capítulo separado sobre Matplotlib e Seaborn
+Apresenta arquivos complementares com código-fonte, conjuntos de dados e figuras do livro
Índice
1: Trabalhando com Dados. 2: Detecção de Outliers e Anomalias. 3: Limpando conjuntos de dados. 4: Trabalhando com modelos. 5: Matplotlib e Seaborn. Apêndice: Trabalhando com awk . Índice.
Sobre o autor
Oswald Campesato (San Francisco, CA) é instrutor adjunto na UC-Santa Clara e especializado em Deep Learning, NLP, Android e Data Science. Ele é autor/co-autor de mais de trinta livros, incluindo Data Science Fundamentals Pocket Primer , Python 3 for Machine Learning e Python Pocket Primer (Mercury Learning).









https://rapidgator.net/file/cb8b6b3670848add99e61fffc15e2444


Download From Ddownload


https://ddownload.com/vj43ik2bawoh


Download From 1DL


https://1dl.net/mucq2lw9it3h