GitHub - oreilly-japan/ml-at-work: 電子書籍『仕事ではじめる機械学習』のサポートリポジトリですYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
O'Reilly Japan - 入門 PySpark
PythonからSparkを利用するための機能、PySparkを使いこなすテクニックとノウハウを習得する書籍です。はじめに高速になったSpark 2.0の特徴とアーキテクチャを解説し、次に構造化及び非構造化データの読み取り、PySparkで利用できる基本的なデータ型、MLlibとMLパッケージによる機械学習モデルの構築を説明します。さらにGraphFramesを使ったグラフの操作、ストリーミングデータの読み取り、クラウドへのモデルのデプロイなどの方法を豊富なサンプルと一緒に学びます。またローカルでのSpark＋Python＋Jupyter環境の構築方法も紹介。大規模なデータを処理し、活用したいエンジニア必携の一冊です。 序文 訳者まえがき はじめに 1章 Sparkを理解する 1.1 Apache Sparkとは 1.2 SparkのジョブとAPI 1.2.1 実行のプロセス 1.2.2
O'Reilly Japan - エレガントなSciPy
豊富な科学関連、数学関連のライブラリを持つPythonは、多くの科学技術分野で使われています。本書では、SciPyの使い方とその威力を紹介するだけでなく、実際の科学データとNumPy、pandas、Matplotlib、IPython、Jupyterノートブック、scikit-learn、scikit-imageといったライブラリやツールを利用して実際の問題を解決する作業を通じて、数学的計算の基礎となるデータ構造のNumPy配列を使いこなし、科学技術計算の明確かつ簡潔かつ効率的でエレガントなコードの書き方を学ぶことができます。掲載コードとデータ、環境、ツールはすべて本書のGitHubから利用可能です。Python 3対応。 まえがき 1章 エレガントなNumPy：科学Pythonの基礎 1.1 データの紹介：遺伝子発現とは 1.2 NumPyのN次元配列 1.2.1 Pythonのリストで
Pythonデータサイエンスハンドブック
第3刷正誤表 2020年12月7日更新 p.69、脚注 【誤】 https://raw.githubusercontent.com/jakevdp/PythonDataScienceHandbook/master/notebooks/data/preident_heights.csv 【正】 https://raw.githubusercontent.com/jakevdp/PythonDataScienceHandbook/master/notebooks/data/Seattle2014.csv 目次 訳者まえがき はじめに 1章 IPython：Pythonより優れた Python 1.1 シェルか notebookか 1.1.1 IPythonシェルの起動 1.1.2 Jupyter notebookの起動 1.2 IPythonのヘルプシステムとドキュメント 1.2.1 ?文字を
Pythonではじめる機械学習
Pythonの機械学習用ライブラリの定番、scikit-learnのリリースマネージャを務めるなど開発に深く関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。 関連ファイル サポートページ 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷した月です。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷版、刷り年月日
Pythonによるデータ分析入門
訳者まえがき まえがき 1章 はじめに 1.1 この本で説明する内容 1.2 なぜPythonはデータ分析者におすすめなのか 1.2.1 「糊（グルー）」としてのPython 1.2.2 「2つの言語を利用する」ことの問題を解決する 1.2.3 Pythonを使わない場合 1.3 本書で扱う重要なPythonライブラリ 1.3.1 NumPy 1.3.2 pandas 1.3.3 matplotlib 1.3.4 IPython 1.3.5 SciPy 1.4 インストールとセットアップ 1.4.1 Windows 1.4.2 Apple OS X 1.4.3 GNU/Linux 1.4.4 Python 2とPython 3の相違点 1.4.5 統合開発環境（IDE） 1.5 コミュニティとカンファレンス（会議） 1.6 この本の読み方の案内 1.6.1 コード例 1.6.2 例として用
サイバーセキュリティプログラミング
Pythonは情報セキュリティの世界では他よりも先んじているプログラミング言語です。本書ではPythonを使った情報セキュリティにおける攻撃手法について解説します。前半ではrawソケットやScapyライブラリなどネットワーク関連の内容を扱います。後半ではCOMをPythonから扱う方法やVolatilityフレームワークなどシステム関連のトピックを扱います。読者はコーディングを通じてサンプルPythonツールの拡張、外部ツールとの連携や自動化について学習することができます。攻撃者の意図や実践手法から防御方法を導き出すというアプローチは、今後すべての情報セキュリティ技術者にとって必須のテクニックになるでしょう。 サポートページ（サンプルコードや正誤表） 訳者まえがき 序文 まえがき 1章 Python環境のセットアップ 1.1 Kali Linuxのインストール 1.2 Wing IDE 2
Python文法詳解
Python Enhancement Proposals（PEP） 3138の執筆者でもある日本人著者が、プログラミング言語としてのPythonの文法や、組み込みのオブジェクトに焦点を絞って解説する書籍。最新のPythonを深く理解し、使いこなすために必要な基礎を知る1冊。シンプルさを特長とし、できるだけ機能を絞り、覚えやすく、使いやすい言語をモットーとしてきたPythonが、20年にわたる進歩の結果として得た高機能さと複雑さの中から、入門書やチュートリアルではあまり触れられないその内部や仕組みに関するトピックを盛り込んでいます。本書によって、最新のPythonを深く理解し、使いこなすために必要な基礎を知ることができるでしょう。 著者による正誤表 はじめに 第1章 イントロダクション 1.1 Python の特徴 1.1.1 読みやすさ 1.1.2 シンプル 1.1.3 高レベル言語 1.
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - wesm/pydata-book: Materials and IPython notebooks for "Python for Data Analysis" by Wes McKinney, published by O'Reilly Media