Python offre grandi strumenti per la Data Science ma non è sempre semplice mostrare ad altri i risultati delle elaborazioni soprattutto se si tratta di non addetti ai lavori. Streamlit permette di trasformare programmi Python in app web da condividere subito senza richiedere competenze front-end
R dimostra di essere un grande linguaggio alla portata di tutti quando con pochi passaggi permette di leggere file di dati, svolgere elaborazioni e salvare nuovamente i risultati su disco, tutto in maniera molto intuitiva. Vediamo come in questo screencast
Pandas è un framework Python per Data Science molto eclettico. Può collaborare con sorgenti dati di vario genere tra cui Excel, tool per fogli di calcolo di Microsoft molto usato negli ambienti d’ufficio. In questo screencast, vediamo come ottenere il massimo da questo connubio
Il linguaggio R è una risorsa storica dell’Informatica. Nato nei primi ’90 come piattaforma gratuita per la Statistica si è arricchito di funzionalità di ogni genere ed oggi la sua capacità di rapportarsi con Big Data e Machine Learning l’ha reso uno dei linguaggi in maggiore crescita al mondo
Approcciamo in maniera semplice il Machine Learning senza preamboli matematici, ma mettendo subito mano al codice. Vedremo come con l’algoritmo della Regressione Lineare offerto dalla libreria Scikit-learn possiamo tracciare l’andamento di valori e attuare predizioni
Con Pandas possiamo svolgere un lavoro di Data Science in ogni suo aspetto: dal caricamento dei dati, alla loro analisi fino alla rappresentazione dei risultati. Tutto ciò può essere condotto con un flusso di lavoro lineare grazie alla flessibilità dei notebook Jupyter
Un’immagine spiega più di mille parole e mai ciò è stato così vero come nella Data Science. Python offre molti tool di visualizzazione dati per evidenziarne modelli e renderli comprensibili anche ai non addetti ai lavori. Vediamo al lavoro Matplotlib, uno strumento storico, ma sempre completissimo
Tra le operazioni fondamentali che offre Pandas, il noto framework Python per Data Science, è indispensabile conoscere il raggruppamento di dati ed il merging di Dataframe, corrispondenti al GROUP BY e al JOIN del linguaggio SQL. Questo screencast ne mostra l’utilizzo con una serie di esempi pratici
Fare Data Science significa essere capaci di analizzare dati, interpretarli ed estrarne valore non visibile a prima vista. Il mondo Python offre uno strumento perfetto per questo: Pandas, una libreria efficiente, completa e dall’uso immediato. In questo screencast, iniziamo ad conoscerlo