Comprenez les concepts avancés d'analyse de données tels que les séries chronologiques et l'analyse des composants principaux avec ETL, l'apprentissage supervisé et PySpark en utilisant Python. Ce livre couvre les modèles architecturaux dans l'analyse des données, la classification des textes et des images, les techniques d'optimisation, le traitement du langage naturel et la vision par ordinateur dans l'environnement cloud.
Les motifs de conception génériques dans la programmation Python sont clairement expliqués, mettant l'accent sur les pratiques architecturales telles que les anti-motifs de patates chaudes. Vous passerez en revue les avancées récentes dans les bases de données telles que Neo4j, Elasticsearch et MongoDB. Vous étudierez ensuite l'ingénierie des fonctionnalités dans les images et les textes avec la mise en œuvre de la logique métier et verrez comment construire des modèles d'apprentissage automatique et d'apprentissage profond à l'aide de l'apprentissage par transfert.
Advanced Analytics with Python, 2nd edition features achapter on clustering with a neuronal network, regularization techniques, and algorithmic design patterns in data analytics with reinforcement learning. Enfin, le système de recommandation dans PySpark explique comment optimiser les modèles pour une application spécifique.
Ce que vous apprendrez
- Construire des systèmes intelligents pour l'entreprise
- Passez en revue l'analyse des séries chronologiques, les classifications, la régression et le regroupement
- Explorer l'apprentissage supervisé, l'apprentissage non supervisé, l'apprentissage par renforcement et l'apprentissage par transfert
- Utilisez des plateformes cloud telles que GCP et AWS dans l'analyse des données
- Comprendre les motifs de conception des couvertures en Python
À qui s'adresse ce livre
Scientifiques des données et développeurs de logiciels intéressés par le domaine de l'analyse des données