Poznajemy Data Science

Praktyczny przewodnik po analizie danych, ujawniający pełny cykl pracy z informacjami: od zbierania i przetwarzania do budowy modeli uczenia maszynowego. Omówiono pracę z narzędziami pandas i SQL, metody wykrywania wzorców oraz czyszczenia danych. Opisano różne źródła informacji, w tym dane tekstowe, binarne i internetowe. Szczegółowo przedstawiono metody statystyczne: przedziały ufności, testowanie hipotez, konstruowanie cech. Przytoczono praktyczne przykłady w języku Python z różnych dziedzin: analiza systemów transportowych, badania ekologiczne, analityka weterynaryjna. Ostatnie rozdziały poświęcone są regresji logistycznej i optymalizacji modeli w zadaniach klasyfikacji tekstów.