Schlüsselwort: Big-Data Python

- Grundlagen zur Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen - Datenvisualisierung mit Matplotlib - Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse - Ideal zum Umstieg von Matlab auf Python - Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«. Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerische Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling. Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots. Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas. Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken. Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst. AUS DEM INHALT // NumPy • Numerische Operationen auf mehrdimensionalen Arrays • Broadcasting und Ufuncs Matplotlib: • Diskrete und kontinuierliche Graphen • Balken- und Säulendiagramme, Histogramme, Konturplots Pandas: • Series und DataFrames • Arbeiten mit Excel-, csv- und JSON-Dateien • Unvollständige Daten (NaN) • Datenvisualisierung Praxisbeispiele: • Bildverarbeitung • Haushaltsbuch und Einnahmeüberschussrechnung

- Grundlagen zur Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen - Datenvisualisierung mit Matplotlib - Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse - Ideal zum Umstieg von Matlab auf Python - Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«. Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerische Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling. Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots. Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas. Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken. Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst. AUS DEM INHALT // NumPy • Numerische Operationen auf mehrdimensionalen Arrays • Broadcasting und Ufuncs Matplotlib: • Diskrete und kontinuierliche Graphen • Balken- und Säulendiagramme, Histogramme, Konturplots Pandas: • Series und DataFrames • Arbeiten mit Excel-, csv- und JSON-Dateien • Unvollständige Daten (NaN) • Datenvisualisierung Praxisbeispiele: • Bildverarbeitung • Haushaltsbuch und Einnahmeüberschussrechnung

- Grundlagen zur Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen - Datenvisualisierung mit Matplotlib - Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse - Ideal zum Umstieg von Matlab auf Python - Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«. Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerischen Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling. Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots. Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas. Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken. Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst. AUS DEM INHALT // NumPy • Numerische Operationen auf mehrdimensionalen Arrays • Broadcasting und Ufuncs Matplotlib: • Diskrete und kontinuierliche Graphen • Balken- und Säulendiagramme, Histogramme, Konturplots Pandas: • Series und DataFrames • Arbeiten mit Excel-, csv- und JSON-Dateien • Unvollständige Daten (NaN) • Datenvisualisierung Praxisbeispiele: • Bildverarbeitung • Haushaltsbuch und Einnahmeüberschussrechnung

- Grundlagen zur Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen - Datenvisualisierung mit Matplotlib - Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse - Ideal zum Umstieg von Matlab auf Python - Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«. Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerischen Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling. Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots. Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas. Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken. Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst. AUS DEM INHALT // NumPy • Numerische Operationen auf mehrdimensionalen Arrays • Broadcasting und Ufuncs Matplotlib: • Diskrete und kontinuierliche Graphen • Balken- und Säulendiagramme, Histogramme, Konturplots Pandas: • Series und DataFrames • Arbeiten mit Excel-, csv- und JSON-Dateien • Unvollständige Daten (NaN) • Datenvisualisierung Praxisbeispiele: • Bildverarbeitung • Haushaltsbuch und Einnahmeüberschussrechnung

- Grundlagen zur Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen mit NumPy, z. B. im maschinellen Lernen - Datenvisualisierung mit Matplotlib - Ideal für Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse - Ideal zum Umstieg von Matlab auf Python - Einführung anhand vieler Beispiele und Praxisfälle sowie Musterlösungen - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Dieses Buch vermittelt die Python-Grundlagen zur Lösung numerischer Probleme aus den Gebieten »Data Science« und »Maschinelles Lernen«. Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp für alles, Numerischen Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling. Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zunächst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots. Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollständigen Daten und NaN. Aufgezeigt werden die Möglichkeiten der Datenvisualisierung direkt mit Pandas. Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeüberschussrechnung. Auch findet sich hier eine Einführung in Bildverarbeitungstechniken. Fast jedes der 32 Kapitel enthält zusätzliche Übungen zum Erproben und Vertiefen des Erlernten, die zugehörigen Lösungen sind im fünften Teil zusammengefasst. AUS DEM INHALT // NumPy • Numerische Operationen auf mehrdimensionalen Arrays • Broadcasting und Ufuncs Matplotlib: • Diskrete und kontinuierliche Graphen • Balken- und Säulendiagramme, Histogramme, Konturplots Pandas: • Series und DataFrames • Arbeiten mit Excel-, csv- und JSON-Dateien • Unvollständige Daten (NaN) • Datenvisualisierung Praxisbeispiele: • Bildverarbeitung • Haushaltsbuch und Einnahmeüberschussrechnung

Numerisches Python - Grundlagen der Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden - Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse tätig sind - Datenvisualisierung mit Matplotlib - Ideal zum Umstieg von Matlab auf Python - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R. Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben. NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt. Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten. Die 2. Auflage ist konsequent überabeitet und erweitert.

Numerisches Python - Grundlagen der Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden - Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse tätig sind - Datenvisualisierung mit Matplotlib - Ideal zum Umstieg von Matlab auf Python - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R. Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben. NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt. Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten. Die 2. Auflage ist konsequent überabeitet und erweitert.

Numerisches Python - Grundlagen der Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden - Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse tätig sind - Datenvisualisierung mit Matplotlib - Ideal zum Umstieg von Matlab auf Python - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R. Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben. NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt. Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten. Die 2. Auflage ist konsequent überabeitet und erweitert.

Numerisches Python - Grundlagen der Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden - Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse tätig sind - Datenvisualisierung mit Matplotlib - Ideal zum Umstieg von Matlab auf Python - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R. Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben. NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt. Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten. Die 2. Auflage ist konsequent überabeitet und erweitert.

Numerisches Python - Grundlagen der Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden - Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse tätig sind - Datenvisualisierung mit Matplotlib - Ideal zum Umstieg von Matlab auf Python - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R. Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben. NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt. Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten. Die 2. Auflage ist konsequent überabeitet und erweitert.

Numerisches Python - Grundlagen der Lösung numerischer Probleme mit Python - Verarbeitung großer Datenmengen (»Big Data«) mit NumPy, wie sie beispielsweise im maschinellen Lernen Anwendung finden - Zielgruppe sind Personen, die in der Wissenschaft, im Ingenieurwesen und in der Datenanalyse tätig sind - Datenvisualisierung mit Matplotlib - Ideal zum Umstieg von Matlab auf Python - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches In diesem Buch stehen die numerischen Verfahren im Fokus, die im Gebiet »Data Science« und »Maschinelles Lernen« besonders benötigt werden. Python gehört zu den wichtigsten und am häufigsten benutzten Sprachen in diesem Gebiet und wird in Kombination mit seinen Modulen NumPy, SciPy, Matplotlib und Pandas häufiger verwendet als Matlab und R. Der erste Teil des Buchs enthält eine kompakte Einführung in Python, eine ideale Zusammenfassung für diejenigen, die Python bereits kennen oder mit dem Buch »Einführung in Python 3« von Bernd Klein gelernt haben. NumPy ist das zentrale Thema des zweiten Teils. Der Aufbau und das Arbeiten mit NumPy-Arrays bilden den Ausgangspunkt dieses Kapitels. Danach wird auf die besonderen Aspekte des dtype-Datentyps eingegangen. In einem weiteren Kapitel stehen die Numerischen Operationen, Broadcasting und Ufuncs von NumPy im Mittelpunkt. Einigen Fragestellungen der Statistik und der Wahrscheinlichkeitsrechnung wurde ebenfalls ein Kapitel gewidmet. Auch auf die Boolesche Maskierung und Indizierung von NumPy-Arrays wird eingegangen. Der NumPy-Teil des Buchs schließt mit dem File-Handling von Daten. Die 2. Auflage ist konsequent überabeitet und erweitert.