| 5% OFF | Comprando 2 ou mais |
|---|---|
| 10% OFF | Comprando 3 ou mais |
Válido para este produto e todos da categoria: Livros, E-Books e AudioBooks, Livros, E-Books e AudioBooks -> Somente Audiolivros, Ebooks 16+ e 18+.
Nesta promoção você pode combinar este produto com outros da mesma categoria.
| 1 x de R$78,00 sem juros | Total R$78,00 | |
| 2 x de R$39,00 sem juros | Total R$78,00 | |
| 3 x de R$29,04 | Total R$87,13 | |
| 4 x de R$22,00 | Total R$88,02 | |
| 5 x de R$17,77 | Total R$88,87 | |
| 6 x de R$14,88 | Total R$89,33 | |
| 7 x de R$12,78 | Total R$89,50 | |
| 8 x de R$11,29 | Total R$90,34 | |
| 9 x de R$10,10 | Total R$90,90 |

Edição Português por Joel Grus (Autor)
As bibliotecas, estruturas, módulos e kits de ferramentas do data science são ótimas para desempenhá-lo mas, também, são uma ótima forma de mergulhar na disciplina sem ter, de fato, que entender data science. Neste livro, você aprenderá como os algoritmos e as ferramentas mais essenciais de data science funcionam ao implementá-los do zero.Se você tiver aptidão para matemática e alguma habilidade para programação, o autor Joel Grus lhe ajudará a se sentir confortável com matemática e estatística nos fundamentos de data science. Você precisará iniciar como um cientista de dados com habilidades de hackers. Atualmente, a grande massa de dados contém respostas para perguntas que ninguém nunca pensou em perguntar. Este guia fornece o conhecimento para desenterrar tais respostas.Obtenha um curso intensivo em Python;Aprenda o básico de álgebra linear, estatística e probabilidade ― e entenda como e quando eles são usados em data science;Colete, explore, limpe, mude e manipule dados;Vá fundo nos princípios do aprendizado de máquina;Implemente modelos como k-vizinhos mais próximos, Naive Bayes, regressão logística e linear, árvores de decisão, redes neurais e agrupamentos;Explore sistemas recomendados, processamento de linguagem natural, análise de rede, MapReduce e bases de dados. DEPOIMENTO:“Joel lhe leva em uma jornada desde a curiosidade sobre dados até a completa compreensão de algoritmos que todo cientista de dados deveria ter.”―Rohit Sivaprasad, Cientista de Dados na Soylent
🔖 Páginas: 442
