Advanced Data Science and Analytics med Python gør det muligt for dataloger at fortsætte med at udvikle deres færdigheder og anvende dem i forretningsmæssige såvel som akademiske miljøer. De emner, der diskuteres i denne bog, er komplementære og en opfølgning på de emner, der diskuteres i Data Science and Analytics med Python. Målet er at dække vigtige avancerede områder inden for datavidenskab ved hjælp af værktøjer udviklet i Python såsom SciKit-learn, Pandas, Numpy, Beautiful Soup, NLTK, NetworkX og andre. Modeludviklingen understøttes af brugen af frameworks som Keras TensorFlow og Core ML samt Swift til udvikling af iOS- og MacOS-applikationer. Funktioner: Retter sig mod læsere med en baggrund inden for programmering, der er interesserede i de værktøjer, der bruges inden for dataanalyse og datavidenskab Bruger Python hele vejen igennem Præsenterer værktøjer sammen med løste eksempler med trin, som læseren nemt kan gengive og tilpasse til deres behov Fokuserer på den praktiske brug af værktøjerne frem for på lange forklaringer Giver læseren mulighed for at bruge bogen, når det er nødvendigt, i stedet for at følge en sekventiel vej Bogen kan læses uafhængigt af det foregående bind, og hvert af kapitlerne i dette bind er tilstrækkeligt uafhængigt af de andre, hvilket giver læseren fleksibilitet. Hvert af de emner, der behandles i bogen, tackler den datavidenskabelige arbejdsgang fra et praktisk perspektiv med fokus på processen og de opnåede resultater. Implementering og implementering af trænede modeller er centralt i bogen. Tidsserieanalyse, naturlig sprogbehandling, emnemodellering, social netværksanalyse, neurale netværk og dyb læring er omfattende dækket. Bogen diskuterer behovet for at udvikle dataprodukter og behandler emnet om at bringe modeller til deres tilsigtede målgrupper – i dette tilfælde bogstaveligt talt til brugernes fingerspidser i form af en iPhone-app. Om forfatteren Dr. Jesãs Rogel-Salazar er en ledende dataforsker inden for området, der arbejder for virksomheder som Tympa Health Technologies, Barclays AKQA, IBM Data Science Studio og Dow Jones. Han er gæsteforsker ved Department of Physics ved Imperial College London, Storbritannien, og medlem af School of Physics, Astronomy and Mathematics ved University of Hertfordshire, Storbritannien. . Sprog: Engelsk