Data Science para Programadores - Um Guia Completo Utilizando a Linguagem Python
De: R$ 0,00Por: R$ 65,00ou X de
Preço a vista: R$ 65,00
Quem viu este produto , comprou
-
Aperfeiçoe suas habilidades com Python enquanto explora minuciosamente essa linguagem de programação com Python Levado a Sério. Escrito para desenvolvedores e programadores experientes, este livro sintetiza mais de quinze anos de experiência com Python, com o intuito de ensinar você a evitar erros comuns, escrever código de modo mais eficiente e criar melhores programas em menos tempo. Você verá uma série de tópicos avançados como multithreading e memoização, receberá conselhos de especialistas em assuntos como design de APIs e como lidar com bancos de dados, além de conhecer a natureza interna de Python a fim de ter uma compreensão mais profunda sobre a linguagem em si. ... Ler mais +
QUERO VER -
Python RAD (Rapid Application Development) Aplicações para Web e Desktop
Além da abordagem essencial da linguagem Python, serão demonstrados exemplos passo a passo do desenvolvimento de módulos/telas para aplicações desktop, bem como exemplos e o desenvolvimento de uma aplicação completa de upload com banco de dados (PostgreSQL) para web. ... Ler mais +
QUERO VER -
TDD com Python - Siga o bode dos testes: usando Django, Selenium e JavaScript
Ao conduzir você pelo desenvolvimento de uma verdadeira aplicação web do início ao fim, a segunda edição deste guia “mão na massa” mostra as vantagens práticas do TDD (Test-Driven Development, ou Desenvolvimento Orientado a Testes) com Python. Você aprenderá a escrever e a executar testes antes de construir cada parte de sua aplicação, e então desenvolverá a quantidade mínima de código necessária para que os testes passem. O resultado? Um código limpo, que funcionará. ... Ler mais +
QUERO VER -
Projetos de Ciência de Dados com Python
Projetos de ciência de dados com Python foi pensado para oferecer orientação prática sobre ferramentas padrão para análise de dados e machine learning em Python com a ajuda de dados reais. O curso o ajudará a entender como usar pandas e o Matplotlib para examinar criticamente um dataset com sínteses estatísticas e gráficos e extrair os insights que deseja obter. Você continuará adquirindo conhecimento ao aprender a preparar dados e a fornecê-los para algoritmos de machine learning, como o de regressão logística regularizada e o de floresta aleatória, usando o pacote scikit-learn. ... Ler mais +
QUERO VER -
Python Eficaz - 59 maneiras de programar melhor em Python
Python Eficaz ajudará o leitor a dominar o mais verdadeiro estilo “pythônico” da arte de programar, empregando todo o potencial do Python para escrever códigos robustos e de desempenho exemplar. Usando o estilo conciso e baseado em cenários, visto no best-seller C++ Eficaz, de Scott Meyers, o autor Brett Slatkin reúne 59 das melhores práticas e dicas em Python, e as explica com exemplos realistas de código. ... Ler mais +
QUERO VER -
Python é a linguagem preferida dos profissionais de segurança da informação. Fácil de aprender, multiplataforma, e com uma enorme variedade de bibliotecas que podem ser aproveitadas em pentest de redes, aplicações web e redes sem fio. Este livro mostra como criar ferramentas em Python para pentest, com muitos exemplos de código-fonte, que podem ser executados em qualquer versão do Kali Linux. ... Ler mais +
QUERO VER -
Python sem Mistérios oferece uma abordagem única para você aprender os fundamentos da linguagem Python, tais como dicionários, listas, tuplas, funções, classes e muito mais. Junto com os fundamentos, são apresentados muitos exemplos para que você leitor pratique e consolide os conhecimentos adquiridos. ... Ler mais +
QUERO VER
Quem viu este produto , também se interessou
-
Projetos de Ciência de Dados com Python
Projetos de ciência de dados com Python foi pensado para oferecer orientação prática sobre ferramentas padrão para análise de dados e machine learning em Python com a ajuda de dados reais. O curso o ajudará a entender como usar pandas e o Matplotlib para examinar criticamente um dataset com sínteses estatísticas e gráficos e extrair os insights que deseja obter. Você continuará adquirindo conhecimento ao aprender a preparar dados e a fornecê-los para algoritmos de machine learning, como o de regressão logística regularizada e o de floresta aleatória, usando o pacote scikit-learn. ... Ler mais +
QUERO VER -
TDD com Python - Siga o bode dos testes: usando Django, Selenium e JavaScript
Ao conduzir você pelo desenvolvimento de uma verdadeira aplicação web do início ao fim, a segunda edição deste guia “mão na massa” mostra as vantagens práticas do TDD (Test-Driven Development, ou Desenvolvimento Orientado a Testes) com Python. Você aprenderá a escrever e a executar testes antes de construir cada parte de sua aplicação, e então desenvolverá a quantidade mínima de código necessária para que os testes passem. O resultado? Um código limpo, que funcionará. ... Ler mais +
QUERO VER -
Python é uma linguagem extremamente poderosa, e o interesse por ela tem aumentado muito nos últimos anos. A linguagem inclui diversas estruturas de alto nível (listas, dicionários, data/hora, complexos e outras) e uma vasta coleção de módulos prontos para uso, além de frameworks de terceiros que podem ser adicionados. ... Ler mais +
QUERO VER -
Python RAD (Rapid Application Development) Aplicações para Web e Desktop
Além da abordagem essencial da linguagem Python, serão demonstrados exemplos passo a passo do desenvolvimento de módulos/telas para aplicações desktop, bem como exemplos e o desenvolvimento de uma aplicação completa de upload com banco de dados (PostgreSQL) para web. ... Ler mais +
QUERO VER -
Problemas Clássicos de Ciência da Computação com Python
Problemas de ciência da computação aparentemente novos ou ímpares muitas vezes têm raízes em algoritmos clássicos, nas técnicas de programação e em princípios de engenharia. E as abordagens clássicas ainda são a melhor forma de solucioná-los! ... Ler mais +
QUERO VER -
Aperfeiçoe suas habilidades com Python enquanto explora minuciosamente essa linguagem de programação com Python Levado a Sério. Escrito para desenvolvedores e programadores experientes, este livro sintetiza mais de quinze anos de experiência com Python, com o intuito de ensinar você a evitar erros comuns, escrever código de modo mais eficiente e criar melhores programas em menos tempo. Você verá uma série de tópicos avançados como multithreading e memoização, receberá conselhos de especialistas em assuntos como design de APIs e como lidar com bancos de dados, além de conhecer a natureza interna de Python a fim de ter uma compreensão mais profunda sobre a linguagem em si. ... Ler mais +
QUERO VER -
Python Eficaz - 59 maneiras de programar melhor em Python
Python Eficaz ajudará o leitor a dominar o mais verdadeiro estilo “pythônico” da arte de programar, empregando todo o potencial do Python para escrever códigos robustos e de desempenho exemplar. Usando o estilo conciso e baseado em cenários, visto no best-seller C++ Eficaz, de Scott Meyers, o autor Brett Slatkin reúne 59 das melhores práticas e dicas em Python, e as explica com exemplos realistas de código. ... Ler mais +
QUERO VER
- DescriçãoData Science para Programadores - Um Guia Completo Utilizando a Linguagem Python
Um guia para estudantes e profissionais, utilizando a linguagem Python em todo o seu potencial. Você aprenderá os conceitos e fundamentos estatísticos que auxiliarão seu trabalho analítico.
As bibliotecas são apresentadas de maneira prática, focando no que é mais importante para o seu trabalho do dia a dia.
O livro apresenta um ferramental completo para você iniciar neste mercado lucrativo que a Data Science possibilita.
Veja a estatística de maneira simples e prática, revendo ou aprendendo conceitos importantes, como inferência.
Aprenda a enxergar através dos dados, estruturados ou não, criando trabalhos de inferência, regressão, classificação e agrupamento.
Veja como utilizar as mais modernas bibliotecas de Data Science e manipulação de dados em Python, entre elas: NumPy e Scikit-learn.
Crie sistemas de Deep Learning utilizando o TensorFlow, da Google.
Aprenda a criar belas apresentações gráficas seguindo o conceito de “storytelling”.
Um guia simples e completo com práticas, ferramentas e exemplos reais. - Sobre o Autor
- Especificação
Características
Tipo de Livro Livro Físico Especificações
Sobre o Autor Cleuton Sampaio
Cleuton Sampaio é escritor profissional, com vários livros publicados, além de muitos anos de experiência como professor universitário.
É arquiteto de software especializado em aplicações distribuídas, sendo também um pesquisador e desenvolvedor de aplicações de código aberto.Informações Técnicas Sumário
CAPÍTULO 1 – Introdução - 1
1.2 Data Science é um novo nome para “Estatística” - 1
1.3 O que você precisa saber - 2
1.4 Para quem é este livro? - 3
1.5 Arquivos e código-fonte - 3
1.6 Então, o que faz um cientista de dados? - 4
1.7 O que seria um modelo preditivo? - 4
1.8 Obtendo os dados - 4
1.9 Explorando os dados - 5
1.10 Preparando os dados - 7
1.11 Modelando os dados - 8
1.12 Testando o modelo - 9
1.13 Avaliando o modelo - 10
1.14 Workflow de Data Science - 10
1.15 Formular o problema - 10
1.16 Obter os dados - 11
1.17 Explorar os dados - 12
1.18 Modelar os dados - 12
1.19 Comunicar o resultado - 12
1.20 Mas, só isso - 13
CAPÍTULO 2 - Mas o que é Data Science? - 15
2.1 Data Warehouse - 16
2.2 Business Intelligence - 17
2.3 Bigdata - 18
2.4 Data Mining - 18
2.5 Data Analytics - 19
2.6 Análise Preditiva e Machine Learning - 19
2.7 As perguntas que não querem calar - 20
CAPÍTULO 3 - Estatística básica para detonar as conversas fiadas - 23
3.1 Tipos de dados - 25
3.1.1 Dados discretos - 26
3.1.2 Dados contínuos - 26
3.1.3 Categorias - 27
Dados ordinais - 29
3.2 Estatística descritiva - 31
3.2.1 População e amostra - 31
3.2.2 Tendência central - 32
3.2.3 Medidas de dispersão - 35
CAPÍTULO 4 - Analisando distribuições - 41
4.1 Frequências - 41
4.2 Histogramas - 43
Interpretando histogramas - 45
4.3 Distribuição de probabilidades - 48
4.3.1 Probabilidade - 48
4.3.2 Variável aleatória - 48
4.3.3 Distribuição de probabilidades - 49
4.3.4 Valor esperado - 50
4.3.5 Modelos probabilísticos discretos - 50
4.3.6 Distribuição binomial - 50
4.3.7 Distribuição de Poisson - 52
Modelos probabilísticos contínuos - 54
Distribuição uniforme - 55
4.3.4 Curtose e assimetria - 60
CAPÍTULO 5 - Turbo Python - 63
5.1 Ambiente virtual - 66
5.1.2 Instalação do Python - 66
5.1.2 Criando um notebook - 70
5.2.3 Variáveis e expressões - 72
5.2.4 Variáveis multivaloradas - 73
5.2.5 Expressões numéricas - 74
CAPÍTULO 6 - Bibliotecas para Data Science - 83
6.1 NumPy - 83
6.2 SciPy.stats - 88
6.3 Pandas - 89
6.1.4 Scikit-learn - 96
CAPÍTULO 7 - Técnicas de Data Science aplicadas - 101
7.1 O universo de técnicas de Data Science - 102
7.2 Estudo de distribuições - 103
7.3 Estudo de correlação - 104
7.4 Análise de regressão - 104
7.5 Classificação - 105
7.6 Agrupamentos (cluster analysis - 106
CAPÍTULO 8 - Inferência estatística - 109
8.1 Estimar uma população com base em uma amostra - 109
7.2 Tamanho da amostra e o teorema central do limite - 113
7.3 Intervalo de confiança - 114
7.4 Margem de erro - 116
7.5 Estatística T - 116
7.6 Inferindo sobre o desvio padrão - 118
7.6 Testes de hipóteses - 120
CAPÍTULO 9 - Correlação - 135
9.1 Obtendo os dados - 135
9.2 Limpando os dados - 136
9.3 Tipos de correlação - 138
9.4 Coeficiente de correlação - 139
9.4 Correlação e causalidade - 140
9.5 Correlações não lineares - 141
CAPÍTULO 10 - Regressão - 145
10.1 Tipos de regressão - 146
10.2 Regressão linear simples - 146
10.3 Regressão multivariada - 149
10.4 Avaliação de modelos de regressão - 150
10.4 R quadrado e R quadrado ajustado - 150
10.5 Teste de significância dos coeficientes - 152
10.6 Teste de significância da regressão - 152
10.7 Multicolinearidade - 153
10.8 Heterocedasticidade - 154
10.9 Autocorrelação dos resíduos - 155
10.10 Outros testes - 156
10.11 Exemplo de regressão multivariada - 156
10.11.1 Um exemplo - 157
10.11.2 Teste VIF - 161
10.11.3 Teste de Heterocedasticidade - 162
10.11.4 Autocorrelação dos resíduos - 162
10.12 Machine learning - 163
10.13 Decision Trees - 163
10.13.1 Gerando dados - 164
10.13.2 Dividindo a amostra - 165
10.13.3 Profundidade e overfitting - 166
10.13.4 Treinando os modelos - 167
10.13.5 Decision tree multivariada - 170
CAPÍTULO 11 - Classificação - 173
11.1 SVM - 173
11.2 Churn prediction - 174
11.1.2 Preparando os dados - 176
11.1.3 Ajustando a escala - 178
11.1.4 Kernel e hiperparâmetros - 178
11.1.5 Fazendo predições - 179
11.1.6 Conclusões do trabalho - 181
11.1.7 Sobre classificação - 181
CAPÍTULO 12 - Agrupamento (clusterização) - 183
12.1 K-means - 183
12.2 Exemplos - 184
12.3 Exemplo real - 187
CAPÍTULO 13 - Deep learning - 193
13.1 Técnicas e configuração - 193
13.1.1 Artificial Neural Network - 193
13.1.2 Função de ativação - 194
13.1.3 Camadas - 197
13.1.4 Pesos e bias - 198
13.1.5 Função de erro (ou de perda) - 199
13.1.6 Algoritmos de otimização - 200
13.1.7 Convolutional Neural Network - 200
13.1.8 Recurrent Neural Networks - 201
13.2 TensorFlow - 202
13.2.1 Playground - 202
13.2.2 Turbo prime - 204
13.2.3 Variáveis e Placeholders - 204
13.2.4 Nós - 205
13.2.5 Função de perda - 205
13.2.6 Taxa de aprendizado - 206
13.2.7 Otimizador - 206
13.2.8 Epochs e o problema do mínimo local - 206
13.2.9 Onde estão os neurônios? - 208
13.2.10 Usando o Estimator Framework - 209
13.3 API Keras - 213
13.3.1 Bibliotecas - 214
CAPÍTULO 14 - Big Data - 217
14.1 Caso de uso - 218
14.2 Ambiente de Big Data - 221
14.2.1 Hadoop - 221
14.2.1 Spark - 223
14.2.2 Index / Search engines - 223
14.2.3 Acessórios - 223
14.3 Experiências práticas - 224
14.3.1 DCEP de saúde - 224
14.3.2 Análise de sentimentos de Tweets - 227
14.4 Usando o Spark - 229
14.4.1 Dados climáticos - 229
14.4.2 Instalação do Spark - 230
14.4.3 O dataset - 233
14.4.4 Primeiro programa - 233
14.4.5 RDD - 236
14.4.6 Cluster - 237
14.4.7 Algoritmo
- 241 no Spark - 238
14.4.8 Outras operaçõesInformações Técnicas
Nº de páginas: 256 Origem: Nacional Editora: Editora Ciência Moderna Idioma: Português Edição: 1ª Edição Ano: 2018 ISBN: 9788539909933 Encadernação: Brochura Autor: Cleuton Sampaio - Informações
Avaliação técnica sobre o livro
