Boken 'Advanced Data Analytics Using Python' gir leseren en dyp forståelse av avanserte konsepter innen dataanalyse, inkludert tidsserier og hovedkomponentanalyse (PCA). Den omhandler viktige emner som ETL (Extract, Transform, Load), overvåket læring, og PySpark – alle ved bruk av Python. Her får du innsikt i arkitektoniske mønstre i dataanalyse, samt tekst- og bildeklassifisering. Boken dekker også optimeringsteknikker, naturlig språkprosessering og datavisualisering i skyen. Generelle designmønstre i Python-programmering forklares på en klar og oversiktlig måte, med fokus på arkitektoniske praksiser, inkludert 'hot potato' anti-mønstre. Videre vil du få anledning til å utforske de nyeste fremskrittene innen databaser som Neo4j, Elasticsearch og MongoDB. Boken går også i dybden på funksjonsingeniørarbeid for bilder og tekst, der du lærer å implementere forretningslogikk og bygger maskinlærings- og dyp læringsmodeller med transferlæring. Den andre utgaven av 'Advanced Analytics with Python' inkluderer et kapittel som handler om klyngedannelse med nevrale nettverk, regulariseringsteknikker og algoritmiske designmønstre i dataanalyse med forsterkningslæring. Til slutt blir anbefalingssystemet i PySpark grundig gjennomgått.
