جلد سخت سیاه و سفید
Product details
- Publisher : Apress; 1st ed. edition (July 2, 2022)
- Language : English
- Paperback : 404 pages
- ISBN-10 : 1484281209
- ISBN-13 : 978-1484281208
کتاب Productive and Efficient Data Science with Python: With Modularizing, Memory profiles, and Parallel/GPU Processing
This book focuses on the Python-based tools and techniques to help you become highly productive at all aspects of typical data science stacks such as statistical analysis, visualization, model selection, and feature engineering.
You’ll review the inefficiencies and bottlenecks lurking in the daily business process and solve them with practical solutions. Automation of repetitive data science tasks is a key mindset that is promoted throughout the book. You’ll learn how to extend the existing coding practice to handle larger datasets with high efficiency with the help of advanced libraries and packages that already exist in the Python ecosystem.
The book focuses on topics such as how to measure the memory footprint and execution speed of machine learning models, quality test a data science pipelines, and modularizing a data science pipeline for app development. You’ll review Python libraries which come in very handy for automating and speeding up the day-to-day tasks.
In the end, you’ll understand and perform data science and machine learning tasks beyond the traditional methods and utilize the full spectrum of the Python data science ecosystem to increase productivity.
What You’ll Learn
- Write fast and efficient code for data science and machine learning
- Build robust and expressive data science pipelines
- Measure memory and CPU profile for machine learning methods
- Utilize the full potential of GPU for data science tasks
- Handle large and complex data sets efficiently
Who This Book Is For
Data scientists, data analysts, machine learning engineers, Artificial intelligence practitioners, statisticians who want to take full advantage of Python ecosystem.
منابع کتاب کتاب Productive and Efficient Data Science with Python: With Modularizing, Memory profiles, and Parallel/GPU Processing
این کتاب بر روی ابزارها و تکنیک‌های مبتنی بر پایتون تمرکز دارد تا به شما کمک کند در تمام جنبه‌های پشته‌های علوم داده معمولی مانند تجزیه و تحلیل آماری، تجسم، انتخاب مدل و مهندسی ویژگی‌ها، بهره‌وری بالایی داشته باشید.
شما ناکارآمدی ها و تنگناهای نهفته در فرآیند کسب و کار روزانه را بررسی کرده و آنها را با راه حل های عملی حل خواهید کرد. اتوماسیون وظایف تکراری علم داده یک ذهنیت کلیدی است که در سراسر کتاب ترویج می شود. با کمک کتابخانه ها و بسته های پیشرفته ای که از قبل در اکوسیستم پایتون وجود دارد، یاد خواهید گرفت که چگونه روش کدگذاری موجود را گسترش دهید تا مجموعه داده های بزرگتر را با کارایی بالا مدیریت کنید.
این کتاب روی موضوعاتی مانند نحوه اندازه‌گیری ردپای حافظه و سرعت اجرای مدل‌های یادگیری ماشین، آزمایش کیفیت خط لوله علم داده، و مدولار کردن خط لوله علم داده برای توسعه برنامه تمرکز دارد. شما کتابخانه های پایتون را که برای خودکارسازی و سرعت بخشیدن به کارهای روزمره بسیار مفید هستند، مرور خواهید کرد.
در پایان، شما وظایف علم داده و یادگیری ماشین را فراتر از روش‌های سنتی درک کرده و انجام خواهید داد و از طیف کامل اکوسیستم علم داده پایتون برای افزایش بهره‌وری استفاده خواهید کرد.
آنچه شما یاد خواهید گرفت
- کدهای سریع و کارآمد برای علم داده و یادگیری ماشین بنویسید
- خطوط لوله علم داده قوی و گویا ایجاد کنید
- اندازه گیری حافظه و مشخصات CPU برای روش های یادگیری ماشین
- از پتانسیل کامل GPU برای کارهای علم داده استفاده کنید
- مجموعه داده های بزرگ و پیچیده را به طور موثر مدیریت کنید
این کتاب برای چه کسی است
دانشمندان داده، تحلیلگران داده، مهندسان یادگیری ماشین، متخصصان هوش مصنوعی، آماردانانی که می خواهند از اکوسیستم پایتون به طور کامل استفاده کنند.
ارسال نظر درباره کتاب Productive and Efficient Data Science with Python: With Modularizing, Memory profiles, and Parallel/GPU Processing