- Grundlagen zur L?sung numerischer Probleme mit Python
- Verarbeitung gro?er Datenmengen mit NumPy, z. B. im maschinellen Lernen
- Datenvisualisierung mit Matplotlib
- Ideal f?r Personen aus Wissenschaft, Ingenieurwesen und Datenanalyse
- Ideal zum Umstieg von Matlab auf Python
- Einf?hrung anhand vieler Beispiele und Praxisf?lle sowie Musterl?sungen
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches

Dieses Buch vermittelt die Python-Grundlagen zur L?sung numerischer Probleme aus den Gebieten ?Data Science? und ?Maschinelles Lernen?.
Im ersten Teil geht es um NumPy als Basis der numerischen Programmierung mit Python. Eingehend behandelt werden Arrays als zentraler Datentyp f?r alles, Numerische Operationen, Broadcasting und Ufuncs. Statistik und Wahrscheinlichkeitsrechnung ist ein eigenes Kapitel gewidmet, ebenso wie Boolscher Maskierung und File-Handling.
Die Datenvisualisierung mit Matplotlib bildet den Schwerpunkt des zweiten Teils. Zun?chst geht es um die Begrif ichkeit von Matplotlib. Behandelt werden Linien-, Balkendiagramme, Histogramme und Konturplots.
Der dritte Teil dreht sich um Pandas mit seinen Series und DataFrames. Behandelt wird auch der Umgang mit verschiedensten Dateiformaten wie Excel, CSV und JSON sowie mit unvollst?ndigen Daten und NaN. Aufgezeigt werden die M?glichkeiten der Datenvisualisierung direkt mit Pandas.
Der vierte Teil bietet Beispielanwendungen des erlernten Stoffes, wie z.B. ein Haushaltsbuch und eine praxistaugliche Einnahme?berschussrechnung. Auch findet sich hier eine Einf?hrung in Bildverarbeitungstechniken.
Fast jedes der 32 Kapitel enth?lt zus?tzliche ?bungen zum Erproben und Vertiefen des Erlernten, die zugeh?rigen L?sungen sind im f?nften Teil zusammengefasst.

AUS DEM INHALT //
NumPy
. Numerische Operationen auf mehrdimensionalen Arrays
. Broadcasting und Ufuncs
Matplotlib:
. Diskrete und kontinuierliche Graphen
. Balken- und S?ulendiagramme, Histogramme, Konturplots
Pandas:
. Series und DataFrames
. Arbeiten mit Excel-, csv- und JSON-Dateien
. Unvollst?ndige Daten (NaN)
. Datenvisualisierung
Praxisbeispiele:
. Bildverarbeitung
. Haushaltsbuch und Einnahme?berschussrechnung