Product Description
von Marco Cremonini (Autor)
Data Science Fundamentals with R, Python, and Open Data
Einführung in die wesentlichen Konzepte und Techniken der Grundlagen von R und Python, die für den Start von Data-Science-Projekten erforderlich sind
Data Science Fundamentals with R, Python, and Open Data konzentriert sich stark auf offene Daten und behandelt Konzepte, Techniken, Tools und erste Schritte zur Durchführung von Data-Science-Projekten, wobei der Schwerpunkt auf Python und RStudio liegt, was einen klaren Branchentrend zur Integration der beiden widerspiegelt. Der Text untersucht die Feinheiten und Inkonsistenzen, die häufig in realen Daten zu finden sind, erklärt, wie man sie erkennt und führt die Leser durch mögliche Lösungen. Er befähigt die Leser, souverän mit realen Daten umzugehen und Transformationen zur Neuorganisation, Indizierung, Aggregation und Ausarbeitung anzuwenden.
Dieses Buch bietet viel Interaktivität für den Leser, mit einer Begleit-Website, die ergänzendes Material einschließlich der in den Beispielen verwendeten Datensätze und den vollständigen lauffähigen Code (R-Skripte und Jupyter-Notebooks) aller Beispiele hostet. Prüfungsfragen und Multiple-Choice-Fragen unterstützen das aktive Lernen der Leser. Jedes Kapitel enthält eine oder mehrere Fallstudien.
Verfasst von einem hochqualifizierten Akademiker, behandelt Data Science Fundamentals with R, Python, and Open Data Beispielthemen wie:
- Datenorganisation und Operationen auf Data Frames, einschließlich des Lesens von CSV-Datensätzen und häufiger Fehler, sowie des Schneidens, Erstellens und Löschens von Spalten in R
- Logische Bedingungen und Zeilenauswahl, einschließlich der Auswahl von Zeilen mit logischer Bedingung und Operationen auf Datumsangaben, Zeichenketten und fehlenden Werten
- Pivot-Operationen und Transformationen von breiter Form in lange Form, Indizierung nach Gruppen mit mehreren Variablen und Indizierung nach Gruppe und Aggregationen
- Bedingte Anweisungen und Iterationen, mehrspaltige Funktionen und Operationen, Data-Frame-Verknüpfungen und der Umgang mit Daten im Listen-/Wörterbuchformat
Data Science Fundamentals with R, Python, and Open Data ist eine sehr zugängliche Lernressource für Studenten aus heterogenen Disziplinen, in denen Data Science und quantitative, computergestützte Methoden immer beliebter werden, sowie für Naturwissenschaften, die nicht eng mit der Informatik verwandt sind, und medizinische Bereiche, die stochastische und quantitative Modelle verwenden.
Rückseite
Einführung in die wesentlichen Konzepte und Techniken der Grundlagen von R und Python, die für den Start von Data-Science-Projekten erforderlich sind
Data Science Fundamentals with R, Python, and Open Data konzentriert sich stark auf offene Daten und behandelt Konzepte, Techniken, Tools und erste Schritte zur Durchführung von Data-Science-Projekten, wobei der Schwerpunkt auf Python und RStudio liegt, was einen klaren Branchentrend zur Integration der beiden widerspiegelt. Der Text untersucht die Feinheiten und Inkonsistenzen, die häufig in realen Daten zu finden sind, erklärt, wie man sie erkennt und führt die Leser durch mögliche Lösungen. Er befähigt die Leser, souverän mit realen Daten umzugehen und Transformationen zur Neuorganisation, Indizierung, Aggregation und Ausarbeitung anzuwenden.
Dieses Buch bietet viel Interaktivität für den Leser, mit einer Begleit-Website, die ergänzendes Material einschließlich der in den Beispielen verwendeten Datensätze und den vollständigen lauffähigen Code (R-Skripte und Jupyter-Notebooks) aller Beispiele hostet. Prüfungsfragen und Multiple-Choice-Fragen unterstützen das aktive Lernen der Leser. Jedes Kapitel enthält eine oder mehrere Fallstudien.
Verfasst von einem hochqualifizierten Akademiker, behandelt Data Science Fundamentals with R, Python, and Open Data Beispielthemen wie:
- Datenorganisation und Operationen auf Data Frames, einschließlich des Lesens von CSV-Datensätzen und häufiger Fehler, sowie des Schneidens, Erstellens und Löschens von Spalten in R
- Logische Bedingungen und Zeilenauswahl, einschließlich der Auswahl von Zeilen mit logischer Bedingung und Operationen auf Datumsangaben, Zeichenketten und fehlenden Werten
- Pivot-Operationen und Transformationen von breiter Form in lange Form, Indizierung nach Gruppen mit mehreren Variablen und Indizierung nach Gruppe und Aggregationen
- Bedingte Anweisungen und Iterationen, mehrspaltige Funktionen und Operationen, Data-Frame-Verknüpfungen und der Umgang mit Daten im Listen-/Wörterbuchformat
Data Science Fundamentals with R, Python, and Open Data ist eine sehr zugängliche Lernressource für Studenten aus heterogenen Disziplinen, in denen Data Science und quantitative, computergestützte Methoden immer beliebter werden, sowie für Naturwissenschaften, die nicht eng mit der Informatik verwandt sind, und medizinische Bereiche, die stochastische und quantitative Modelle verwenden.
Autorenbiografie
Marco Cremonini ist Assistenzprofessor am Department für Sozial- und Politikwissenschaften der Universität Mailand, Italien. Er ist Akademischer Redakteur und Vorstandsmitglied von PLOS ONE und seine aktuellen Forschungsinteressen konzentrieren sich auf rechnerische Netzwerk- und agentenbasierte Modelle der Ausbreitung und des Verhaltens.
