Machine Learning with R

Author: Brett Lantz

Publisher: Packt Publishing Ltd

ISBN: 1784394521

Category: Computers

Page: 452

View: 6138

Updated and upgraded to the latest libraries and most modern thinking, Machine Learning with R, Second Edition provides you with a rigorous introduction to this essential skill of professional data science. Without shying away from technical theory, it is written to provide focused and practical knowledge to get you building algorithms and crunching your data, with minimal previous experience. With this book, you'll discover all the analytical tools you need to gain insights from complex data and learn how to choose the correct algorithm for your specific needs. Through full engagement with the sort of real-world problems data-wranglers face, you'll learn to apply machine learning methods to deal with common tasks, including classification, prediction, forecasting, market analysis, and clustering.
Release

Mastering Machine Learning with R

Author: Cory Lesmeister

Publisher: Packt Publishing Ltd

ISBN: 1787284484

Category: Computers

Page: 420

View: 687

Master machine learning techniques with R to deliver insights in complex projects About This Book Understand and apply machine learning methods using an extensive set of R packages such as XGBOOST Understand the benefits and potential pitfalls of using machine learning methods such as Multi-Class Classification and Unsupervised Learning Implement advanced concepts in machine learning with this example-rich guide Who This Book Is For This book is for data science professionals, data analysts, or anyone with a working knowledge of machine learning, with R who now want to take their skills to the next level and become an expert in the field. What You Will Learn Gain deep insights into the application of machine learning tools in the industry Manipulate data in R efficiently to prepare it for analysis Master the skill of recognizing techniques for effective visualization of data Understand why and how to create test and training data sets for analysis Master fundamental learning methods such as linear and logistic regression Comprehend advanced learning methods such as support vector machines Learn how to use R in a cloud service such as Amazon In Detail This book will teach you advanced techniques in machine learning with the latest code in R 3.3.2. You will delve into statistical learning theory and supervised learning; design efficient algorithms; learn about creating Recommendation Engines; use multi-class classification and deep learning; and more. You will explore, in depth, topics such as data mining, classification, clustering, regression, predictive modeling, anomaly detection, boosted trees with XGBOOST, and more. More than just knowing the outcome, you'll understand how these concepts work and what they do. With a slow learning curve on topics such as neural networks, you will explore deep learning, and more. By the end of this book, you will be able to perform machine learning with R in the cloud using AWS in various scenarios with different datasets. Style and approach The book delivers practical and real-world solutions to problems and a variety of tasks such as complex recommendation systems. By the end of this book, you will have gained expertise in performing R machine learning and will be able to build complex machine learning projects using R and its packages.
Release

Machine Learning with R Cookbook - Second Edition

Author: Ashishsingh Bhatia

Publisher: N.A

ISBN: 9781787284395

Category: Computers

Page: 572

View: 3888

Explore over 110 recipes to analyze data and build predictive models with simple and easy-to-use R codeAbout This Book* Apply R to simplify predictive modeling with short and simple code* Use machine learning to solve problems ranging from small to big data* Build a training and testing dataset, applying different classification methods.Who This Book Is ForThis book is for data science professionals, data analysts, or people who have used R for data analysis and machine learning who now wish to become the go-to person for machine learning with R. Those who wish to improve the efficiency of their machine learning models and need to work with different kinds of data set will find this book very insightful.What You Will Learn* Create and inspect transaction datasets and perform association analysis with the Apriori algorithm* Visualize patterns and associations using a range of graphs and find frequent item-sets using the Eclat algorithm* Compare differences between each regression method to discover how they solve problems* Detect and impute missing values in air quality data* Predict possible churn users with the classification approach* Plot the autocorrelation function with time series analysis* Use the Cox proportional hazards model for survival analysis* Implement the clustering method to segment customer data* Compress images with the dimension reduction method* Incorporate R and Hadoop to solve machine learning problems on big dataIn DetailBig data has become a popular buzzword across many industries. An increasing number of people have been exposed to the term and are looking at how to leverage big data in their own businesses, to improve sales and profitability. However, collecting, aggregating, and visualizing data is just one part of the equation. Being able to extract useful information from data is another task, and a much more challenging one. Machine Learning with R Cookbook, Second Edition uses a practical approach to teach you how to perform machine learning with R. Each chapter is divided into several simple recipes. Through the step-by-step instructions provided in each recipe, you will be able to construct a predictive model by using a variety of machine learning packages. In this book, you will first learn to set up the R environment and use simple R commands to explore data. The next topic covers how to perform statistical analysis with machine learning analysis and assess created models, covered in detail later on in the book. You'll also learn how to integrate R and Hadoop to create a big data analysis platform. The detailed illustrations provide all the information required to start applying machine learning to individual projects. With Machine Learning with R Cookbook, machine learning has never been easier.Style and approachThis is an easy-to-follow guide packed with hands-on examples of machine learning tasks. Each topic includes step-by-step instructions on tackling difficulties faced when applying R to machine learning.
Release

R in a Nutshell

Author: Joseph Adler

Publisher: O'Reilly Germany

ISBN: 3897216507

Category: Computers

Page: 768

View: 6003

Wozu sollte man R lernen? Da gibt es viele Gründe: Weil man damit natürlich ganz andere Möglichkeiten hat als mit einer Tabellenkalkulation wie Excel, aber auch mehr Spielraum als mit gängiger Statistiksoftware wie SPSS und SAS. Anders als bei diesen Programmen hat man nämlich direkten Zugriff auf dieselbe, vollwertige Programmiersprache, mit der die fertigen Analyse- und Visualisierungsmethoden realisiert sind – so lassen sich nahtlos eigene Algorithmen integrieren und komplexe Arbeitsabläufe realisieren. Und nicht zuletzt, weil R offen gegenüber beliebigen Datenquellen ist, von der einfachen Textdatei über binäre Fremdformate bis hin zu den ganz großen relationalen Datenbanken. Zudem ist R Open Source und erobert momentan von der universitären Welt aus die professionelle Statistik. R kann viel. Und Sie können viel mit R machen – wenn Sie wissen, wie es geht. Willkommen in der R-Welt: Installieren Sie R und stöbern Sie in Ihrem gut bestückten Werkzeugkasten: Sie haben eine Konsole und eine grafische Benutzeroberfläche, unzählige vordefinierte Analyse- und Visualisierungsoperationen – und Pakete, Pakete, Pakete. Für quasi jeden statistischen Anwendungsbereich können Sie sich aus dem reichen Schatz der R-Community bedienen. Sprechen Sie R! Sie müssen Syntax und Grammatik von R nicht lernen – wie im Auslandsurlaub kommen Sie auch hier gut mit ein paar aufgeschnappten Brocken aus. Aber es lohnt sich: Wenn Sie wissen, was es mit R-Objekten auf sich hat, wie Sie eigene Funktionen schreiben und Ihre eigenen Pakete schnüren, sind Sie bei der Analyse Ihrer Daten noch flexibler und effektiver. Datenanalyse und Statistik in der Praxis: Anhand unzähliger Beispiele aus Medizin, Wirtschaft, Sport und Bioinformatik lernen Sie, wie Sie Daten aufbereiten, mithilfe der Grafikfunktionen des lattice-Pakets darstellen, statistische Tests durchführen und Modelle anpassen. Danach werden Ihnen Ihre Daten nichts mehr verheimlichen.
Release

Machine Learning with R Cookbook

Analyze data and build predictive models

Author: AshishSingh Bhatia,Yu-Wei, Chiu (David Chiu)

Publisher: Packt Publishing Ltd

ISBN: 1787287807

Category: Computers

Page: 572

View: 2894

Explore over 110 recipes to analyze data and build predictive models with simple and easy-to-use R code About This Book Apply R to simplify predictive modeling with short and simple code Use machine learning to solve problems ranging from small to big data Build a training and testing dataset, applying different classification methods. Who This Book Is For This book is for data science professionals, data analysts, or people who have used R for data analysis and machine learning who now wish to become the go-to person for machine learning with R. Those who wish to improve the efficiency of their machine learning models and need to work with different kinds of data set will find this book very insightful. What You Will Learn Create and inspect transaction datasets and perform association analysis with the Apriori algorithm Visualize patterns and associations using a range of graphs and find frequent item-sets using the Eclat algorithm Compare differences between each regression method to discover how they solve problems Detect and impute missing values in air quality data Predict possible churn users with the classification approach Plot the autocorrelation function with time series analysis Use the Cox proportional hazards model for survival analysis Implement the clustering method to segment customer data Compress images with the dimension reduction method Incorporate R and Hadoop to solve machine learning problems on big data In Detail Big data has become a popular buzzword across many industries. An increasing number of people have been exposed to the term and are looking at how to leverage big data in their own businesses, to improve sales and profitability. However, collecting, aggregating, and visualizing data is just one part of the equation. Being able to extract useful information from data is another task, and a much more challenging one. Machine Learning with R Cookbook, Second Edition uses a practical approach to teach you how to perform machine learning with R. Each chapter is divided into several simple recipes. Through the step-by-step instructions provided in each recipe, you will be able to construct a predictive model by using a variety of machine learning packages. In this book, you will first learn to set up the R environment and use simple R commands to explore data. The next topic covers how to perform statistical analysis with machine learning analysis and assess created models, covered in detail later on in the book. You'll also learn how to integrate R and Hadoop to create a big data analysis platform. The detailed illustrations provide all the information required to start applying machine learning to individual projects. With Machine Learning with R Cookbook, machine learning has never been easier. Style and approach This is an easy-to-follow guide packed with hands-on examples of machine learning tasks. Each topic includes step-by-step instructions on tackling difficulties faced when applying R to machine learning.
Release

Data mining

praktische Werkzeuge und Techniken für das maschinelle Lernen

Author: Ian H. Witten,Eibe Frank

Publisher: N.A

ISBN: 9783446215337

Category:

Page: 386

View: 4192

Release

Fremder in einer fremden Welt

Meisterwerke der Science Fiction - Roman

Author: Robert A. Heinlein

Publisher: Heyne Verlag

ISBN: 3641032733

Category: Fiction

Page: 656

View: 9833

Der Mann vom Mars Die erste Mars-Expedition ist auf dem roten Planeten abgestürzt, und erst zwanzig Jahre später erreichen erstmals wieder Menschen den Nachbarplaneten. Sie finden Michael Valentine Smith, einen jungen Mann, der als Kind die Katastrophe überlebt hat und von Marsianern erzogen wurde, und nehmen ihn mit zur Erde. Die Heimatwelt seiner Eltern ist für ihn eine fremde, unverständliche Welt, und er verwendet seine mentalen Kräfte dazu, sie zu verändern. Damit wird er für die einen zum Messias, und für die anderen zu einem Feind, den man mit allen Mitteln bekämpfen muss ...
Release

Statistik-Workshop für Programmierer

Author: Allen B. Downey

Publisher: O'Reilly Germany

ISBN: 3868993436

Category: Computers

Page: 160

View: 2346

Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einführung in die Statistik zeigt Ihnen, wie Sie rechnergestützt, anstatt auf mathematischem Weg Datenanalysen mit Python durchführen können. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch führt Sie anhand eines durchgängigen Fallbeispiels durch eine vollständige Datenanalyse -- von der Datensammlung über die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmöglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie über das Schreiben und Testen von Code ein Verständnis für die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Überprüfen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zugänglich sind. Lernen Sie etwas über Themen, die in Einführungen üblicherweise nicht vermittelt werden, beispielsweise über die Bayessche Schätzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.
Release

R: Unleash Machine Learning Techniques

Author: Raghav Bali,Dipanjan Sarkar,Brett Lantz,Cory Lesmeister

Publisher: Packt Publishing Ltd

ISBN: 1787128288

Category: Computers

Page: 1123

View: 6652

Find out how to build smarter machine learning systems with R. Follow this three module course to become a more fluent machine learning practitioner. About This Book Build your confidence with R and find out how to solve a huge range of data-related problems Get to grips with some of the most important machine learning techniques being used by data scientists and analysts across industries today Don't just learn – apply your knowledge by following featured practical projects covering everything from financial modeling to social media analysis Who This Book Is For Aimed for intermediate-to-advanced people (especially data scientist) who are already into the field of data science What You Will Learn Get to grips with R techniques to clean and prepare your data for analysis, and visualize your results Implement R machine learning algorithms from scratch and be amazed to see the algorithms in action Solve interesting real-world problems using machine learning and R as the journey unfolds Write reusable code and build complete machine learning systems from the ground up Learn specialized machine learning techniques for text mining, social network data, big data, and more Discover the different types of machine learning models and learn which is best to meet your data needs and solve your analysis problems Evaluate and improve the performance of machine learning models Learn specialized machine learning techniques for text mining, social network data, big data, and more In Detail R is the established language of data analysts and statisticians around the world. And you shouldn't be afraid to use it... This Learning Path will take you through the fundamentals of R and demonstrate how to use the language to solve a diverse range of challenges through machine learning. Accessible yet comprehensive, it provides you with everything you need to become more a more fluent data professional, and more confident with R. In the first module you'll get to grips with the fundamentals of R. This means you'll be taking a look at some of the details of how the language works, before seeing how to put your knowledge into practice to build some simple machine learning projects that could prove useful for a range of real world problems. For the following two modules we'll begin to investigate machine learning algorithms in more detail. To build upon the basics, you'll get to work on three different projects that will test your skills. Covering some of the most important algorithms and featuring some of the most popular R packages, they're all focused on solving real problems in different areas, ranging from finance to social media. This Learning Path has been curated from three Packt products: R Machine Learning By Example By Raghav Bali, Dipanjan Sarkar Machine Learning with R Learning - Second Edition By Brett Lantz Mastering Machine Learning with R By Cory Lesmeister Style and approach This is an enticing learning path that starts from the very basics to gradually pick up pace as the story unfolds. Each concept is first defined in the larger context of things succinctly, followed by a detailed explanation of their application. Each topic is explained with the help of a project that solves a real-world problem involving hands-on work thus giving you a deep insight into the world of machine learning.
Release

Grundkurs Künstliche Intelligenz

Eine praxisorientierte Einführung

Author: Wolfgang Ertel

Publisher: Springer-Verlag

ISBN: 3834894419

Category: Computers

Page: 334

View: 1681

Alle Teilgebiete der KI werden mit dieser Einführung kompakt, leicht verständlich und anwendungsbezogen dargestellt. Hier schreibt jemand, der das Gebiet nicht nur bestens kennt, sondern auch in der Lehre engagiert und erfolgreich vertritt. Von der klassischen Logik über das Schließen mit Unsicherheit und maschinelles Lernen bis hin zu Anwendungen wie Expertensysteme oder lernfähige Roboter. Sie werden von dem sehr guten Überblick in dieses faszinierende Teilgebiet der Informatik profitieren. Und Sie gewinnen vertiefte Kenntnisse, z. B. hinsichtlich der wichtigsten Verfahren zur Repräsentation und Verarbeitung von Wissen. Vor allem steht der Anwendungsbezug im Fokus der Darstellung. Viele Übungsaufgaben mit Lösungen sowie eine strukturierte Liste mit Verweisen auf Literatur und Ressourcen im Web ermöglichen ein effektives und kurzweiliges Selbststudium. "Wolfgang Ertel [...] schafft es auf rund 300 Seiten verständlich zu erklären, wie Aussagenlogik, maschinelles Lernen und neuronale Netze die Grundlagen für künstliche Intelligenz bilden." Technology Review 04/2008
Release

Deep Learning with R

Author: Francois Chollet,J.j. Allaire

Publisher: Pearson Professional

ISBN: 9781617295546

Category: Computers

Page: 360

View: 8181

Introduces deep learning systems using the powerful Keras library and its R language interface. The book builds your understanding of deep learning through intuitive explanations and practical examples.
Release

Machine Learning with R

Author: Abhijit Ghatak

Publisher: Springer

ISBN: 9811068089

Category: Computers

Page: 210

View: 7987

This book helps readers understand the mathematics of machine learning, and apply them in different situations. It is divided into two basic parts, the first of which introduces readers to the theory of linear algebra, probability, and data distributions and it’s applications to machine learning. It also includes a detailed introduction to the concepts and constraints of machine learning and what is involved in designing a learning algorithm. This part helps readers understand the mathematical and statistical aspects of machine learning. In turn, the second part discusses the algorithms used in supervised and unsupervised learning. It works out each learning algorithm mathematically and encodes it in R to produce customized learning applications. In the process, it touches upon the specifics of each algorithm and the science behind its formulation. The book includes a wealth of worked-out examples along with R codes. It explains the code for each algorithm, and readers can modify the code to suit their own needs. The book will be of interest to all researchers who intend to use R for machine learning, and those who are interested in the practical aspects of implementing learning algorithms for data analysis. Further, it will be particularly useful and informative for anyone who has struggled to relate the concepts of mathematics and statistics to machine learning.
Release

Neuronale Netze selbst programmieren

Ein verständlicher Einstieg mit Python

Author: Tariq Rashid

Publisher: O'Reilly

ISBN: 3960101031

Category: Computers

Page: 232

View: 1980

Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieses Buch nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: - Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen und Beispielen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. - Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. - Im nächsten Schritt tunen Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. - Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen. Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.
Release

R für Dummies

Author: Andrie de Vries,Joris Meys

Publisher: John Wiley & Sons

ISBN: 3527812520

Category: Computers

Page: 414

View: 1192

Wollen Sie auch die umfangreichen Möglichkeiten von R nutzen, um Ihre Daten zu analysieren, sind sich aber nicht sicher, ob Sie mit der Programmiersprache wirklich zurechtkommen? Keine Sorge - dieses Buch zeigt Ihnen, wie es geht - selbst wenn Sie keine Vorkenntnisse in der Programmierung oder Statistik haben. Andrie de Vries und Joris Meys zeigen Ihnen Schritt für Schritt und anhand zahlreicher Beispiele, was Sie alles mit R machen können und vor allem wie Sie es machen können. Von den Grundlagen und den ersten Skripten bis hin zu komplexen statistischen Analysen und der Erstellung aussagekräftiger Grafiken. Auch fortgeschrittenere Nutzer finden in diesem Buch viele Tipps und Tricks, die Ihnen die Datenauswertung erleichtern.
Release

Die Prinzipien des Erfolgs

Author: Ray Dalio

Publisher: FinanzBuch Verlag

ISBN: 3960922175

Category: Self-Help

Page: 688

View: 5562

Seine Firma Bridgewater Associates ist der größte Hedgefonds der Welt, er selbst gehört zu den Top 50 der reichsten Menschen auf dem Planeten: Ray Dalio. Seit 40 Jahren führt er sein Unternehmen so erfolgreich, dass ihn Generationen von Nachwuchsbankern wie einen Halbgott verehren. Mit "Die Prinzipien des Erfolgs" erlaubt er erstmals einen Blick in seine sonst so hermetisch abgeriegelte Welt. Seine Beobachtungen aus dem Geschäftsleben hielt Ray Dalio schon als junger Unternehmer in einem Notizbuch fest. Das war die Geburtsstunde seiner gut 200 "Prinzipien", die mit diesem Buch erstmals gebündelt vorliegen und kaum weniger als die Essenz des geradezu unheimlichen Erfolgs von Ray Dalio und seiner Firma darstellen. Kern dieser Prinzipien ist eine stetige Verbesserung durch radikale Transparenz und Wahrhaftigkeit, eine Art "Ideen-Meritokratie ", also eine Atmosphäre, in der sich die besten Ideen durchsetzen. Die einzigartigen Prinzipien, mithilfe derer jeder den Weg des Erfolgs einschlagen kann, und die mitunter harten Lektionen, die ihn sein einzigartiges System errichten ließen, hat Ray Dalio auf eine bisher noch nie dagewesene, unkonventionelle Weise zusammengetragen.
Release

Die Psychologie des Überzeugens

ein Lehrbuch für alle, die ihren Mitmenschen und sich selbst auf die Schliche kommen wollen

Author: Robert B. Cialdini

Publisher: N.A

ISBN: 9783456843278

Category:

Page: 367

View: 6924

Release

Maschinelles Lernen

Author: Ethem Alpaydin

Publisher: De Gruyter Oldenbourg

ISBN: 9783486581140

Category: Machine learning

Page: 440

View: 8728

Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben.
Release

Spring im Einsatz

Author: Craig Walls

Publisher: Carl Hanser Verlag GmbH Co KG

ISBN: 3446429468

Category: Computers

Page: 428

View: 1518

SPRING IM EINSATZ // - Spring 3.0 auf den Punkt gebracht: Die zentralen Konzepte anschaulich und unterhaltsam erklärt. - Praxis-Know-how für den Projekteinsatz: Lernen Sie Spring mit Hilfe der zahlreichen Codebeispiele aktiv kennen. - Im Internet: Der vollständige Quellcode für die Applikationen dieses Buches Das Spring-Framework gehört zum obligatorischen Grundwissen eines Java-Entwicklers. Spring 3 führt leistungsfähige neue Features wie die Spring Expression Language (SpEL), neue Annotationen für IoC-Container und den lang ersehnten Support für REST ein. Es gibt keinen besseren Weg, um sich Spring anzueignen, als dieses Buch - egal ob Sie Spring gerade erst entdecken oder sich mit den neuen 3.0-Features vertraut machen wollen. Craig Walls setzt in dieser gründlich überarbeiteten 2. Auflage den anschaulichen und praxisorientierten Stil der Vorauflage fort. Er bringt als Autor sein Geschick für treffende und unterhaltsame Beispiele ein, die das Augenmerk direkt auf die Features und Techniken richten, die Sie wirklich brauchen. Diese Auflage hebt die wichtigsten Aspekte von Spring 3.0 hervor: REST, Remote-Services, Messaging, Security, MVC, Web Flow und vieles mehr. Das finden Sie in diesem Buch: - Die Arbeit mit Annotationen, um die Konfiguration zu reduzieren - Die Arbeit mit REST-konformen Ressourcen - Spring Expression Language (SpEL) - Security, Web Flow usw. AUS DEM INHALT: Spring ins kalte Wasser, Verschalten von Beans, Die XML-Konfiguration in Spring minimalisieren, Aspektorientierung, Zugriff auf die Datenbank, Transaktionen verwalten, Webapplikationen mit Spring MVC erstellen, Die Arbeit mit Spring Web Flow, Spring absichern, Die Arbeit mit Remote-Diensten, Spring und REST, Messaging in Spring, Verwalten von Spring-Beans mit JMX
Release

Datenanalyse mit Python

Auswertung von Daten mit Pandas, NumPy und IPython

Author: Wes McKinney

Publisher: O'Reilly

ISBN: 3960102143

Category: Computers

Page: 542

View: 4184

Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.Aus dem Inhalt:Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative ComputingLernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennenSetzen Sie die Datenanalyse-Tools der pandasBibliothek einVerwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von DatenErstellen Sie interformative Visualisierungen mit matplotlibWenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassenAnalysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.
Release