Utilisez les outils et bibliothèques Pythons efficacement pour extraire les données du web et créer des visualisations attrayantes et informatives.

Description
Au fil des ans, presque toutes les organisations ont compris l'importance de l'analyse des données.
En fait, il ne serait pas exagéré de dire qu'aucune organisation ne pourra survivre à la concurrence acharnée d'aujourd'hui si elle n'analyse pas les données.

L'analyse des données telle que nous la connaissons est le processus qui consiste à prendre les données de base, à les affiner pour obtenir des informations utiles, puis à en tirer des prédictions utiles.

Dans ce parcours d'apprentissage, nous apprendrons comment analyser les données à l'aide du puissant ensemble d'outils fournis par Python.

Packtâs Les parcours d'apprentissage vidéo sont une série de produits vidéo individuels assemblés de manière logique et par étapes, de sorte que chaque vidéo s'appuie sur les compétences acquises dans la vidéo précédente.

Python propose de nombreux outils numériques et mathématiques tels que Numpy, Scipy, Scikit learn et SciKit, tous utilisés pour l'analyse de données et l'apprentissage machine, ce qui fait de Python le langage de choix des scientifiques pour l'analyse de données, la visualisation et l'apprentissage machine.

Nous vous montrerons une riche collection de recettes qui vous seront utiles lorsque vous gratterez un site Web en utilisant Python, en abordant vos problèmes habituels et inhabituels tout en grattant les sites Web en plongeant profondément dans les capacités des outils de grattage Web de Python tels que Selenium, BeautifulSoup et urllib2.

Une visualisation efficace vous aide à mieux comprendre vos données et vous aide à prendre des décisions d'affaires plus éclairées et mieux informées.

Après avoir complété ce parcours d'apprentissage, vous serez bien équipé pour extraire des données même à partir de sites Web dynamiques et complexes en utilisant les outils de grattage Python, pour mieux comprendre les concepts de visualisation des données et pour apprendre comment appliquer ces concepts et surmonter tout défi lors de leur mise en uvre.

Pour s'assurer que vous obtenez le meilleur de l'expérience d'apprentissage, dans ce parcours d'apprentissage, nous combinons les travaux de certains des principaux auteurs de l'industrie.

A propos des auteurs
Benjamin Hoff a travaillé pendant 3 ans comme ingénieur logiciel et chef d'équipe dans le traitement graphique, le développement d'applications de bureau et la simulation d'installations scientifiques en utilisant un mélange de C++ et de Python, ce qui a suscité une passion pour le développement de logiciels et la programmation de développement et l'a amené à explorer des projets de pointe dans le traitement du langage naturel, la détection/reconnaissance faciale et l'apprentissage machine.
Charles Clayton, propriétaire unique de crclayton technologies co. et développeur web indépendant, est un développeur expérimenté et spécialiste Python en solutions et outils de grattage web Python tels que Selenium, BeautifulSoup et urllib2, et a également travaillé en tant qu'ingénieur de fiabilité chez West frazweer.
Après avoir terminé ses études de physique à l'ENS Lyon (France), il a étudié la mécanique des fluides à Ãcole Polytechnique à Paris où il a obtenu un master en mathématiques appliquées de l'Université de Cambridge. Il travaille actuellement comme data scientist pour une startup d'énergie intelligente à Cambridge, en étroite collaboration avec l'Université de Cambridge, où il a obtenu un doctorat en mathématiques appliquées de l'Université de Cambridge, en étroite collaboration avec l'Université de Cambridge, et a obtenu un diplôme de premier cycle en mécanique des fluides de l'Ecole Nationale Supérieure d'Ingénierie des Fluides à l'Ecole Nationale Supérieure d'Ingénierie Informatique de Lyon (ENS Lyon), à l'Ecole Nationale Supérieure d'Ingénierie Informatique de l'Université de Cambridge (ENS Lyon, en France).
Giuseppe Vettigli est un scientifique des données qui a travaillé pendant de nombreuses années dans l'industrie de la recherche et dans le monde académique ; son travail est centré sur le développement de modèles d'apprentissage machine et d'applications pour utiliser l'information à partir de données structurées et non structurées ; il écrit également sur le calcul scientifique et la visualisation de données en Python dans ses blogs.
Igor MilovanoviÄis est un développeur expérimenté, avec une solide expérience dans la connaissance des systèmes Linux et l'enseignement de l'ingénierie logicielle, et il est compétent dans la construction de systèmes riches en données distribuées et évolutifs.

CLIQUEZ ICI pour accéder à ce cours