Python pour la data science / Jake VanderPlas ; [traduction de l'anglais, Gabriel Picarde]
LivresLangue: français ; de l'oeuvre originale, anglais.Éditeur : Paris : First interactive, DL 2022Description : 1 volume (xviii-561 p.) :
ill., graph., couv. ill. ;
23 cmISBN: 978-2-412-07004-8.Est une traduction de : Python data science handbook, C 2017Résumé : Présentation des avantages à utiliser Python pour les calculs scientifiques. L'auteur montre notamment comment transformer, visualiser et nettoyer les données ou encore comment élaborer des modèles statistiques. Il décrit également toutes les ressources disponibles pour les diverses applications : IPython, NumPy, Pandas, Matplotlib et autres outils associés. [Electre]Le best-seller O'Reilly sur la data science avec Python enfin traduit en Francais ? Pour de nombreux chercheurs, Python est un outil essentiel en raison de ses bibliothèques pour stocker, manipuler et obtenir un aperçu des données. Ce livre décrit toutes les ressources dont vous pouvez disposer pour mettre en oeuvre vos applications : IPython, NumPy, Pandas, Matplotlib, Scikit-Learn et d'autres outils associés. Les scientifiques en activité et les utilisateurs de données familiarisés avec la lecture et l'écriture de code Python trouveront avec cette référence complète l'outil idéal pour s'attaquer aux problèmes quotidiens : manipuler, transformer et nettoyer les données ; visualiser différents types de données ; utiliser les données pour créer des modèles statistiques ou d'apprentissage automatique. Ce livre est tout simplement la référence incontournable pour le calcul scientifique en Python. Vous apprendrez à utiliser : IPython et Jupyter : fournissent des environnements de calcul pour les data scientists utilisant Python NumPy : inclut le ndarray pour un stockage et une manipulation efficaces de tableaux de données denses en Python Pandas : comprend le DataFrame pour un stockage et une manipulation efficaces des données étiquetées / en colonnes en Python Matplotlib : inclut des fonctionnalités pour une gamme flexible de visualisations de données en Python Scikit-Learn : pour des implémentations Python efficaces et propres des algorithmes d'apprentissage automatique les plus importants et les plus établis [Editeur]Sujet - Nom commun: Python (langage de programmation) | Données massives | Exploration de données | Apprentissage automatique Sujet - Forme: Manuels d'enseignement supérieur
Voir dans le SUDOC
| Item type | Current library | Collection | Shelving location | Call number | Status | Date due | Barcode | Item holds | |
|---|---|---|---|---|---|---|---|---|---|
| Prêt normal | Enssib | Papier | Pôle Information numérique et médias | 003 LAN pyt (Browse shelf(Opens below)) | Available | 9200647 |
Traduit de l'anglais : "Python data science handbook"
La couverture mentionne : "Les meilleurs outils pour travailler avec les données"
Index
Présentation des avantages à utiliser Python pour les calculs scientifiques. L'auteur montre notamment comment transformer, visualiser et nettoyer les données ou encore comment élaborer des modèles statistiques. Il décrit également toutes les ressources disponibles pour les diverses applications : IPython, NumPy, Pandas, Matplotlib et autres outils associés. Electre
Le best-seller O'Reilly sur la data science avec Python enfin traduit en Francais ? Pour de nombreux chercheurs, Python est un outil essentiel en raison de ses bibliothèques pour stocker, manipuler et obtenir un aperçu des données. Ce livre décrit toutes les ressources dont vous pouvez disposer pour mettre en oeuvre vos applications : IPython, NumPy, Pandas, Matplotlib, Scikit-Learn et d'autres outils associés. Les scientifiques en activité et les utilisateurs de données familiarisés avec la lecture et l'écriture de code Python trouveront avec cette référence complète l'outil idéal pour s'attaquer aux problèmes quotidiens : manipuler, transformer et nettoyer les données ; visualiser différents types de données ; utiliser les données pour créer des modèles statistiques ou d'apprentissage automatique. Ce livre est tout simplement la référence incontournable pour le calcul scientifique en Python. Vous apprendrez à utiliser : IPython et Jupyter : fournissent des environnements de calcul pour les data scientists utilisant Python NumPy : inclut le ndarray pour un stockage et une manipulation efficaces de tableaux de données denses en Python Pandas : comprend le DataFrame pour un stockage et une manipulation efficaces des données étiquetées / en colonnes en Python Matplotlib : inclut des fonctionnalités pour une gamme flexible de visualisations de données en Python Scikit-Learn : pour des implémentations Python efficaces et propres des algorithmes d'apprentissage automatique les plus importants et les plus établis Editeur
1, IPython, plus loin que Python 2, Introduction à NumPy 3, Manipulation de données Pandas 4, Visualisation avec Maplotlib 5, Apprentissage machine
There are no comments on this title.