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
-
Web Scraping com Python - Coletando mais dados da web moderna - 2ª edição
Se a programação é mágica, o web scraping certamente é uma forma de magia. Ao escrever um programa automatizado simples, é possível consultar servidores web, requisitar dados e interpretá-los a fim de extrair as informações desejadas. A edição ampliada deste livro prático não só apresenta uma introdução ao web scraping, como também serve de guia completo para coletar quase todos os tipos de dados da web moderna. ... Ler mais +
QUERO VER -
Aprenda a programar seu novo computador incrível de 35 dólares para criar um web spider, uma estação meteorológica, um servidor de mídias etc. Este livro explora a criação de uma variedade de projetos divertidos e até mesmo práticos, variando de um web bot para pesquisar e fazer download de arquivos até um brinquedo para deixar seus bichinhos de estimação malucos. ... 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 -
O Guia do Mochileiro Python - Melhores práticas para desenvolvimento
Escrito de forma colaborativa por mais de uma centena de membros da comunidade Python, este livro tem três seções. Primeiro, você aprenderá como instalar e usar ferramentas de edição para Python. Em seguida, examinará exemplos de códigos modelares com o estilo da linguagem. Para concluir, verá as bibliotecas mais usadas pela comunidade. ... 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 -
Plone 4: Administrando servidores Plone 4.x na prática
Plone é um Sistema Gerenciador de Conteúdo (CMS) livre e de código aberto, multiplataforma, escrito em Python e que roda utilizando o servidor de aplicações Zope. ... 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
Quem viu este produto , também se interessou
-
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 -
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 -
O Guia do Mochileiro Python - Melhores práticas para desenvolvimento
Escrito de forma colaborativa por mais de uma centena de membros da comunidade Python, este livro tem três seções. Primeiro, você aprenderá como instalar e usar ferramentas de edição para Python. Em seguida, examinará exemplos de códigos modelares com o estilo da linguagem. Para concluir, verá as bibliotecas mais usadas pela comunidade. ... 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 -
Introdução à Programação com PYTHON
Python é uma linguagem de programação de alto nível, interpretada, de script, imperativa, orientada a objetos, funcional. Lançada por Guido van Rossum em 1991. Atualmente é uma das Linguagens de Programação mais utilizadas no mundo. Python foi criada para produzir código bom e fácil de manter, de maneira rápida e suporta múltiplos paradigmas de programação. A programação procedimental pode ser usada para programas simples e rápidos, mas estruturas de dados avançadas estão disponíveis para facilitar o desenvolvimento de algoritmos complexos. Grandes projetos podem ser feitos usando técnicas de orientação a objetos, que é completamente suportada em Python. Assim, o Python se aplica na solução de problemas de várias complexidades. Além disso, por ser uma linguagem livre e multiplataforma, possibilita que os programas escritos em uma plataforma sejam executados sem nenhum problema na maioria das plataformas existentes e sem nenhuma modificação. ... 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 -
Web Scraping com Python - Coletando mais dados da web moderna - 2ª edição
Se a programação é mágica, o web scraping certamente é uma forma de magia. Ao escrever um programa automatizado simples, é possível consultar servidores web, requisitar dados e interpretá-los a fim de extrair as informações desejadas. A edição ampliada deste livro prático não só apresenta uma introdução ao web scraping, como também serve de guia completo para coletar quase todos os tipos de dados da web moderna. ... 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 -
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 -
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
- 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