depository
Extraits
Programmation
Python pour le data scientist. Des bases du langage au machine learning, 3e édition
Si vous vous intéressez au traitement des données avec le langage Python, cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science. Ce livre répond à de nombreuses questions sur Python : - Comment utiliser Python en data science ? - Comment coder en Python ? - Comment préparer des données avec Python ? - Comment créer des visualisations attractives avec Python ? - Comment appliquer des modèles de machine learning et de deep learning avec Python ? - Comment passer aux environnements big data ? Pour mettre en place vos traitements, vous apprendrez à tirer parti des multiples outils Python tels que Anaconda, Jupyter, NumPy, Pandas, Matplotlib, Seaborn, Bokeh, Scikit-Learn, TensorFlow, PySpark... Cette troisième édition, entièrement refondue et augmentée, est enrichie des mises à jour de code liées aux évolutions de Python et des packages de data science. L'ensemble du code compris dans cet ouvrage est disponible sous la forme de notebooks Jupyter dans le repository public de l'auteur : https : //github. com/emjako/pythondatascientist
03/2024
Informatique
TypeScript. Notions fondamentales
Ce livre sur le langage TypeScript (en version 3.6 au moment de l'écriture) s'adresse aux développeurs, disposant déjà d'une pratique de programmation dans d'autres langages, qui souhaitent optimiser et sécuriser la production de code JavaScript dans un projet de développement. Si la connaissance basique du langage JavaScript est un plus pour la lecture de ce livre, elle n'est toutefois pas indispensable pour appréhender les différentes notions étudiées. Dans le premier chapitre, les auteurs commencent par présenter les principes de fonctionnement du langage avant de mettre en place l'environnement de développement utilisé pour les exemples qui repose sur Visual Studio Code et Node.js. Puis, dans la suite des chapitres, le lecteur découvre les différentes fonctionnalités du langage (types, modules, décorateurs, généricité, asynchronisme, types avancés...) ainsi que les paradigmes de programmation possibles (programmation orientée objet et programmation fonctionnelle). Pour finir, le dernier chapitre propose une mise en application des différentes notions étudiées au travers du développement, étape par étape, d'une application Node.js avec la bibliothèque Express.js. Il permet également de découvrir comment enrichir le fonctionnement d'une bibliothèque en utilisant les fonctionnalités de TypeScript et plusieurs patrons de conception (MVC, Repository, injection de dépendances). Des éléments complémentaires sont disponibles en téléchargement sur le site www.editions-eni.com.
11/2019
Programmation
Python pour le data scientist. Des bases du langage au machine learning, 2e édition
Python est devenu en quelques années un langage majeur dans l'univers des applications centrées sur le traitement des données, et plus particulièrement des gros volumes de données (big data). Cet ouvrage servira de guide à tous ceux qui s'intéressent à l'utilisation de Python pour le travail sur les données et l'automatisation de certaines tâches (data science). Il met l'accent sur la préparation et la mise en forme des données qui sont essentielles dans la qualité du résultat et qui constituent aujourd'hui une part importante du travail du data scientist. Si vous vous intéressez au traitement des données avec le langage Python, cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science. Ce livre répond à de nombreuses questions sur Python : Comment utiliser Python en data science ? Comment coder en Python ? Comment préparer des données avec Python ? Comment créer des visualisations attractives avec Python ? Comment appliquer des modèles de machine learning et de deep learning avec Python ? Comment passer aux environnements big data ? Vous apprendrez à tirer parti des multiples outils Python tels que Anaconda, Jupyter, NumPy, Pandas, Matplotlib, Seaborn, Bokeh, Scikit-Learn, TensorFlow, PySpark... pour mettre en place vos traitements. Cette deuxième édition est complétée et enrichie par des mises à jour de code liées aux évolutions de Python et des packages de data science. Des données plus récentes sont aussi utilisées. Les + en ligne : l'ensemble du code compris dans cet ouvrage est disponible sous la forme de notebooks Jupyter dans le repository public de l'auteur : github.com/emjako/pythondatascientist.
03/2021
Tous les articles
