Learning IPython for Interactive Computing and Data Visualization

Author: Cyrille Rossant
Publisher: Packt Publishing Ltd
ISBN: 9781783986996
Release Date: 2015-10-21
Genre: Computers

Get started with Python for data analysis and numerical computing in the Jupyter notebook About This Book Learn the basics of Python in the Jupyter Notebook Analyze and visualize data with pandas, NumPy, matplotlib, and seaborn Perform highly-efficient numerical computations with Numba, Cython, and ipyparallel Who This Book Is For This book targets students, teachers, researchers, engineers, analysts, journalists, hobbyists, and all data enthusiasts who are interested in analyzing and visualizing real-world datasets. If you are new to programming and data analysis, this book is exactly for you. If you're already familiar with another language or analysis software, you will also appreciate this introduction to the Python data analysis platform. Finally, there are more technical topics for advanced readers. No prior experience is required; this book contains everything you need to know. What You Will Learn Install Anaconda and code in Python in the Jupyter Notebook Load and explore datasets interactively Perform complex data manipulations effectively with pandas Create engaging data visualizations with matplotlib and seaborn Simulate mathematical models with NumPy Visualize and process images interactively in the Jupyter Notebook with scikit-image Accelerate your code with Numba, Cython, and IPython.parallel Extend the Notebook interface with HTML, JavaScript, and D3 In Detail Python is a user-friendly and powerful programming language. IPython offers a convenient interface to the language and its analysis libraries, while the Jupyter Notebook is a rich environment well-adapted to data science and visualization. Together, these open source tools are widely used by beginners and experts around the world, and in a huge variety of fields and endeavors. This book is a beginner-friendly guide to the Python data analysis platform. After an introduction to the Python language, IPython, and the Jupyter Notebook, you will learn how to analyze and visualize data on real-world examples, how to create graphical user interfaces for image processing in the Notebook, and how to perform fast numerical computations for scientific simulations with NumPy, Numba, Cython, and ipyparallel. By the end of this book, you will be able to perform in-depth analyses of all sorts of data. Style and approach This is a hands-on beginner-friendly guide to analyze and visualize data on real-world examples with Python and the Jupyter Notebook.

IPython Interactive Computing and Visualization Cookbook

Author: Cyrille Rossant
Publisher: Packt Publishing Ltd
ISBN: 9781783284825
Release Date: 2014-09-25
Genre: Computers

Intended to anyone interested in numerical computing and data science: students, researchers, teachers, engineers, analysts, hobbyists... Basic knowledge of Python/NumPy is recommended. Some skills in mathematics will help you understand the theory behind the computational methods.

Einf hrung in Machine Learning mit Python

Author: Sarah Guido
Publisher: O'Reilly
ISBN: 9783960101123
Release Date: 2017-07-21
Genre: Computers

Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, von der medizinischen Diagnostik bis hin zur Suche nach Freunden in sozialen Netzwerken. Um Machine-Learning-Anwendungen zu entwickeln, braucht es keine großen Expertenteams: Wenn Sie Python-Grundkenntnisse mitbringen, zeigt Ihnen dieses Praxisbuch, wie Sie Ihre eigenen Machine-Learning-Lösungen erstellen. Mit Python und der scikit-learn-Bibliothek erarbeiten Sie sich alle Schritte, die für eine erfolgreiche Machine-Learning-Anwendung notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die Mathematik dahinter. Wenn Sie zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut sind, hilft Ihnen dies, noch mehr aus diesem Tutorial herauszuholen. Das Buch zeigt Ihnen: - grundlegende Konzepte und Anwendungen von Machine Learning - Vor- und Nachteile weit verbreiteter maschineller Lernalgorithmen - wie sich die von Machine Learning verarbeiteten Daten repräsentieren lassen und auf welche Aspekte der Daten Sie sich konzentrieren sollten - fortgeschrittene Methoden zur Auswertung von Modellen und zum Optimieren von Parametern - das Konzept von Pipelines, mit denen Modelle verkettet und Arbeitsabläufe gekapselt werden - Arbeitsmethoden für Textdaten, insbesondere textspezifische Verarbeitungstechniken - Möglichkeiten zur Verbesserung Ihrer Fähigkeiten in den Bereichen Machine Learning und Data Science Dieses Buch ist eine fantastische, super praktische Informationsquelle für jeden, der mit Machine Learning in Python starten möchte – ich wünschte nur, es hätte schon existiert, als ich mit scikit-learn anfing! Hanna Wallach, Senior Researcher, Microsoft Research

R in a Nutshell

Author: Joseph Adler
Publisher: O'Reilly Germany
ISBN: 9783897216501
Release Date: 2010-12-31
Genre: Computers

Wozu sollte man R lernen? Da gibt es viele Gründe: Weil man damit natürlich ganz andere Möglichkeiten hat als mit einer Tabellenkalkulation wie Excel, aber auch mehr Spielraum als mit gängiger Statistiksoftware wie SPSS und SAS. Anders als bei diesen Programmen hat man nämlich direkten Zugriff auf dieselbe, vollwertige Programmiersprache, mit der die fertigen Analyse- und Visualisierungsmethoden realisiert sind – so lassen sich nahtlos eigene Algorithmen integrieren und komplexe Arbeitsabläufe realisieren. Und nicht zuletzt, weil R offen gegenüber beliebigen Datenquellen ist, von der einfachen Textdatei über binäre Fremdformate bis hin zu den ganz großen relationalen Datenbanken. Zudem ist R Open Source und erobert momentan von der universitären Welt aus die professionelle Statistik. R kann viel. Und Sie können viel mit R machen – wenn Sie wissen, wie es geht. Willkommen in der R-Welt: Installieren Sie R und stöbern Sie in Ihrem gut bestückten Werkzeugkasten: Sie haben eine Konsole und eine grafische Benutzeroberfläche, unzählige vordefinierte Analyse- und Visualisierungsoperationen – und Pakete, Pakete, Pakete. Für quasi jeden statistischen Anwendungsbereich können Sie sich aus dem reichen Schatz der R-Community bedienen. Sprechen Sie R! Sie müssen Syntax und Grammatik von R nicht lernen – wie im Auslandsurlaub kommen Sie auch hier gut mit ein paar aufgeschnappten Brocken aus. Aber es lohnt sich: Wenn Sie wissen, was es mit R-Objekten auf sich hat, wie Sie eigene Funktionen schreiben und Ihre eigenen Pakete schnüren, sind Sie bei der Analyse Ihrer Daten noch flexibler und effektiver. Datenanalyse und Statistik in der Praxis: Anhand unzähliger Beispiele aus Medizin, Wirtschaft, Sport und Bioinformatik lernen Sie, wie Sie Daten aufbereiten, mithilfe der Grafikfunktionen des lattice-Pakets darstellen, statistische Tests durchführen und Modelle anpassen. Danach werden Ihnen Ihre Daten nichts mehr verheimlichen.

Das Sensor Buch

Author: Kimmo Karvinen
Publisher: O'Reilly Germany
ISBN: 9783955619039
Release Date: 2014-11-15
Genre: Computers

Sensoren sind überall. Die Welt ist voll von ihnen: Infrarotsensoren in Bewegungsmeldern, CO2-Detektoren für das Haus – und in Ihrem Smartphone finden sich winzige Beschleunigungsmesser, GPS-Module und Kameras. Dank der großen Verbreitung von Mobilgeräten sind Sensoren erstaunlich erschwinglich geworden. Sie können günstige Sensoren und Mikrocontroller-Boards kombinieren, um eigene Devices zu bauen. Dieses umfangreiche und in Farbe illustrierte Buch zeigt Ihnen in einer Reihe von Projekten, wie Sie Sensoren anschließen und auslesen. Sie erfahren, wie Sie die populären Arduino- und Raspberry Pi-Boards einsetzen, um Daten in einfachen, selbst geschriebenen Programmen zu verarbeiten. Mit diesem Buch schreiben Sie Programme und bauen Geräte für das Messen von: Rotation mit einem Potentiometer, Abstand mit Ultraschall, Annäherung per Infrarot, Helligkeit mit einem Fotowiderstand, Temperatur mit einem Thermometer, Kraft mit einem Drucksensor. Sie werden mit Widerstandssensoren arbeiten, aber auch mit Schaltern, Messwandlern, Potentiometern, Summern, 555-Timern und Spannungsteilern. Es gibt so viele Sinneswahrnehmungen da draußen, die Sie erfassen und verarbeiten können. Wie fangen Sie diese ein?

Programmieren lernen mit Python

Author: Allen B. Downey
Publisher: O'Reilly Germany
ISBN: 9783955618070
Release Date: 2014-08-27
Genre: Computers

Python ist eine moderne, interpretierte, interaktive und objektorientierte Skriptsprache, vielseitig einsetzbar und sehr beliebt. Mit mathematischen Vorkenntnissen ist Python leicht erlernbar und daher die ideale Sprache für den Einstieg in die Welt des Programmierens. Das Buch führt Sie Schritt für Schritt durch die Sprache, beginnend mit grundlegenden Programmierkonzepten, über Funktionen, Syntax und Semantik, Rekursion und Datenstrukturen bis hin zum objektorientierten Design. Zur aktualisierten Auflage Diese Auflage behandelt Python 3, geht dabei aber auch auf Unterschiede zu Python 2 ein. Außerdem wurde das Buch um die Themen Unicode, List und Dictionary Comprehensions, den Mengen-Typ Set, die String-Format-Methode und print als Funktion ergänzt. Jenseits reiner Theorie Jedes Kapitel enthält passende Übungen und Fallstudien, kurze Verständnistests und kleinere Projekte, an denen Sie die neu erlernten Programmierkonzepte gleich ausprobieren und festigen können. Auf diese Weise können Sie das Gelernte direkt anwenden und die jeweiligen Programmierkonzepte nachvollziehen. Lernen Sie Debugging-Techniken kennen Am Ende jedes Kapitels finden Sie einen Abschnitt zum Thema Debugging, der Techniken zum Aufspüren und Vermeiden von Bugs sowie Warnungen vor entsprechenden Stolpersteinen in Python enthält.

Data Science at the Command Line

Author: Jeroen Janssens
Publisher: "O'Reilly Media, Inc."
ISBN: 9781491947807
Release Date: 2014-09-25
Genre: Computers

This hands-on guide demonstrates how the flexibility of the command line can help you become a more efficient and productive data scientist. You’ll learn how to combine small, yet powerful, command-line tools to quickly obtain, scrub, explore, and model your data. To get you started—whether you’re on Windows, OS X, or Linux—author Jeroen Janssens introduces the Data Science Toolbox, an easy-to-install virtual environment packed with over 80 command-line tools. Discover why the command line is an agile, scalable, and extensible technology. Even if you’re already comfortable processing data with, say, Python or R, you’ll greatly improve your data science workflow by also leveraging the power of the command line. Obtain data from websites, APIs, databases, and spreadsheets Perform scrub operations on plain text, CSV, HTML/XML, and JSON Explore data, compute descriptive statistics, and create visualizations Manage your data science workflow using Drake Create reusable tools from one-liners and existing Python or R code Parallelize and distribute data-intensive pipelines using GNU Parallel Model data with dimensionality reduction, clustering, regression, and classification algorithms

Mastering Python Scientific Computing

Author: Hemant Kumar Mehta
Publisher: Packt Publishing Ltd
ISBN: 9781783288830
Release Date: 2015-09-23
Genre: Computers

A complete guide for Python programmers to master scientific computing using Python APIs and tools About This Book The basics of scientific computing to advanced concepts involving parallel and large scale computation are all covered. Most of the Python APIs and tools used in scientific computing are discussed in detail The concepts are discussed with suitable example programs Who This Book Is For If you are a Python programmer and want to get your hands on scientific computing, this book is for you. The book expects you to have had exposure to various concepts of Python programming. What You Will Learn Fundamentals and components of scientific computing Scientific computing data management Performing numerical computing using NumPy and SciPy Concepts and programming for symbolic computing using SymPy Using the plotting library matplotlib for data visualization Data analysis and visualization using Pandas, matplotlib, and IPython Performing parallel and high performance computing Real-life case studies and best practices of scientific computing In Detail In today's world, along with theoretical and experimental work, scientific computing has become an important part of scientific disciplines. Numerical calculations, simulations and computer modeling in this day and age form the vast majority of both experimental and theoretical papers. In the scientific method, replication and reproducibility are two important contributing factors. A complete and concrete scientific result should be reproducible and replicable. Python is suitable for scientific computing. A large community of users, plenty of help and documentation, a large collection of scientific libraries and environments, great performance, and good support makes Python a great choice for scientific computing. At present Python is among the top choices for developing scientific workflow and the book targets existing Python developers to master this domain using Python. The main things to learn in the book are the concept of scientific workflow, managing scientific workflow data and performing computation on this data using Python. The book discusses NumPy, SciPy, SymPy, matplotlib, Pandas and IPython with several example programs. Style and approach This book follows a hands-on approach to explain the complex concepts related to scientific computing. It details various APIs using appropriate examples.

Statistik f r Dummies

Author: Deborah J. Rumsey
Publisher: John Wiley & Sons
ISBN: 9783527692767
Release Date: 2016-12-16
Genre: Education

Statistik ist ganz sicher kein beliebtes, aber ein notwendiges und auch n?tzliches Thema. Deborah Rumsey erkl?rt Ihnen in diesem Buch die notwendigen Grundbegriffe, erl?utert die wichtigsten statistischen Konzepte und schafft einen Bezug zwischen Theorie und Praxis. Dabei kommt Sie fast ohne Formeln aus. Sie lernen die verschiedenen grafischen Darstellungsm?glichkeiten von statistischem Material kennen und erfahren, wie Sie Ihre Ergebnisse richtig auswerten. Egal ob Mittelwert, Bias, Standardabweichung oder Konfidenzintervall, schon bald kann Ihnen keiner mehr etwas vormachen.

Learning Analytics

Author: Johann Ari Larusson
Publisher: Springer
ISBN: 9781461433057
Release Date: 2014-07-04
Genre: Education

In education today, technology alone doesn't always lead to immediate success for students or institutions. In order to gauge the efficacy of educational technology, we need ways to measure the efficacy of educational practices in their own right. Through a better understanding of how learning takes place, we may work toward establishing best practices for students, educators, and institutions. These goals can be accomplished with learning analytics. Learning Analytics: From Research to Practice updates this emerging field with the latest in theories, findings, strategies, and tools from across education and technological disciplines. Guiding readers through preparation, design, and examples of implementation, this pioneering reference clarifies LA methods as not mere data collection but sophisticated, systems-based analysis with practical applicability inside the classroom and in the larger world. Case studies illustrate applications of LA throughout academic settings (e.g., intervention, advisement, technology design), and their resulting impact on pedagogy and learning. The goal is to bring greater efficiency and deeper engagement to individual students, learning communities, and educators, as chapters show diverse uses of learning analytics to: Enhance student and faculty performance. Improve student understanding of course material. Assess and attend to the needs of struggling learners. Improve accuracy in grading. Allow instructors to assess and develop their own strengths. Encourage more efficient use of resources at the institutional level. Researchers and practitioners in educational technology, IT, and the learning sciences will hail the information in Learning Analytics: From Research to Practice as a springboard to new levels of student, instructor, and institutional success.