Друзья, мы тут исследуем проблемы, с которыми сталкиваются пользователи электронных книг.
Будем вам благодарны за ваши ответы. Опрос займёт не более 5 минут.
-
1C
-
Agda
-
Agile/Scrum
-
Alef
-
APL
-
Assembler
-
AWK
-
Basic
-
Beta Programming Language
-
Big Data/DataScience
-
C
-
C#
-
C++
-
Cobol
-
Crystal
-
CSS
-
D
-
Dart
-
DataBase (SQL)
-
Delphi
-
F#
-
Flutter
-
Fortran
-
GameDev
-
Git
-
Go (Golang)
-
GPT/AI/ИИ
-
Hacking and Security
-
Haskell
-
HTML
-
Java
-
JavaScript (JS)
-
Kotlin
-
Machine Learning (ML)
-
Natural language processing (NLP)
-
.NET (.NET Core)
-
Pascal
-
PHP
-
Python
-
R
-
Ruby
-
Rust
-
Scratch
-
Swift
-
UML
-
UX/UI
-
Visual Basic
-
XML
-
АСУ
-
Проектирование/System Design
-
Сети/Network
-
Схемотехника/электронные схемы
-
1C
-
Agda
-
Agile/Scrum
-
Alef
-
APL
-
Assembler
-
AWK
-
Basic
-
Beta Programming Language
-
Big Data/DataScience
-
C
-
C#
-
C++
-
Cobol
-
Crystal
-
CSS
-
D
-
Dart
-
DataBase (SQL)
-
Delphi
-
F#
-
Flutter
-
Fortran
-
GameDev
-
Git
-
Go (Golang)
-
GPT/AI/ИИ
-
Hacking and Security
-
Haskell
-
HTML
-
Java
-
JavaScript (JS)
-
Kotlin
-
Machine Learning (ML)
-
Natural language processing (NLP)
-
.NET (.NET Core)
-
Pascal
-
PHP
-
Python
-
R
-
Ruby
-
Rust
-
Scratch
-
Swift
-
UML
-
UX/UI
-
Visual Basic
-
XML
-
АСУ
-
Проектирование/System Design
-
Сети/Network
-
Схемотехника/электронные схемы
Меню
Друзья, мы тут исследуем проблемы, с которыми сталкиваются пользователи электронных книг.
Будем вам благодарны за ваши ответы. Опрос займёт не более 5 минут.
Minimalist Data Wrangling with Python
Автор: Marek Gagolewski
Дата выхода: 2024
Издательство: Independent publishing
Количество страниц: 437
Размер файла: 4,7 МБ
Тип файла: PDF
Добавил: codelibs
Проверить на вирусы Дополнительные материалыMinimalist Data Wrangling with Python is envisaged as a student's first introduction to data science, providing a high-level overview as well as discussing key concepts in detail. We explore methods for cleaning data gathered from different sources, transforming, selecting, and extracting features, performing exploratory data analysis and dimensionality reduction, identifying naturally occurring data clusters, modelling patterns in data, comparing data between groups, and reporting the results.
