Zweigstelle	Signatur	Standort 2	Standort 3	Status	Vorbestellungen	Frist
Zweigstelle: Onleihe Hessen	Gruppe:	Lesewelt:	Stockwerk:	Status: Zum Downloaden	Vorbestellungen: 0	Frist:

- Grundlagen zur L”sung numerischer Probleme mit Python - Verarbeitung groáer Datenmengen mit NumPy, z. B. im maschinellen Lernen - Datenvisualisierung mit Matplotlib - Ideal fr Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse - Ideal zum Umstieg von Matlab auf Python - Einfhrung anhand vieler Beispiele und Praxisf„lle sowie Musterl”sungen - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Dieses Buch vermittelt die Python-Grundlagen zur L”sung 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 fr 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. Zun„chst 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 unvollst„ndigen Daten und NaN. Aufgezeigt werden die M”glichkeiten der Datenvisualisierung direkt mit Pandas. Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahmeberschussrechnung. Auch findet sich hier eine Einfhrung in Bildverarbeitungstechniken. Fast jedes der 32 Kapitel enth„lt zus„tzliche šbungen zum Erproben und Vertiefen des Erlernten, die zugeh”rigen L”sungen sind im fnften Teil zusammengefasst. AUS DEM INHALT // NumPy  Numerische Operationen auf mehrdimensionalen Arrays  Broadcasting und Ufuncs Matplotlib:  Diskrete und kontinuierliche Graphen  Balken- und S„ulendiagramme, Histogramme, Konturplots Pandas:  Series und DataFrames  Arbeiten mit Excel-, csv- und JSON-Dateien  Unvollst„ndige Daten (NaN)  Datenvisualisierung Praxisbeispiele:  Bildverarbeitung  Haushaltsbuch und Einnahmeberschussrechnung

Rezensionen