Python untuk Machine Learning dan Data Science: Dari sintaks dasar sampai model yang dinilai dengan jujur

Isinya tersusun dalam tiga bagian. Bagian pertama membangun Python dari nol, mulai dari menyiapkan lingkungan kerja sampai kelas dan objek. Bagian kedua memperkenalkan NumPy, Matplotlib, dan pandas, yang menjadi fondasi seluruh pekerjaan data. Bagian ketiga membawa keduanya menuju pemodelan, meliputi analisis data eksploratif, matematika simbolik dengan SymPy, aljabar linear numerik, penurunan gradien dari nol, scikit-learn, dan sebuah studi kasus utuh, lalu ditutup dengan praktik kerja yang membuat hasilnya dapat diulang.

Satu gagasan menyatukan seluruh isinya. Kesalahan yang paling mahal dalam pekerjaan data hampir tidak pernah memunculkan pesan galat. Kebocoran data menghasilkan akurasi yang membanggakan. Matriks berkondisi buruk mengembalikan angka yang tampak wajar. Pencilan yang dibuang menghasilkan grafik yang bersih. Karena itu setiap klaim dalam buku ini disertai angka yang dapat diperiksa, dan setiap keluaran yang tercetak berasal dari menjalankan kode yang tertera di sebelahnya.

Setiap bab memuat kotak Jebakan Umum yang menandai kesalahan yang sering terjadi. Setiap bab juga memuat dua jenis latihan, yaitu latihan yang dikerjakan dengan komputer, dan latihan tanpa komputer yang harus dijawab dengan penalaran, kertas, dan pensil.

Seluruh kode contohnya tersedia sebagai notebook di GitHub, satu notebook untuk tiap bab.

Buku ini ditulis untuk Python 3.12 dan pandas 3.0.