Författare
Dmitry Zinoviev
Dmitry Zinoviev är en uppskattad författare inom Naturvetenskap och teknik och Data och IT med totalt 2 böcker tillgängliga på Bokkollen, utgivna hos The Pragmatic Programmers.
Bland verken finns Complex Network Analysis in Python, som toppar listan över Dmitry Zinovievs populäraste böcker. Verken spänner över naturvetenskap & teknik och tilltalar läsare som uppskattar genren.
Det senast publicerade verket av Dmitry Zinoviev är Seven Obscure Languages in Seven Weeks, utgivet 2024.
På Bokkollen gör vi det enkelt att navigera i Dmitry Zinovievs författarskap. Vår databas uppdateras ständigt med nya släpp och format, så oavsett om du söker efter en lättläst pocket för semestern, en lyxig inbunden presentutgåva eller en digital ljudbok för pendlingen, har vi rätt utgåva för dig.
Jämför snabbt och smidigt priser på alla böcker av Dmitry Zinoviev hos Sveriges ledande bokhandlare – som Adlibris, Bokus och Akademibokhandeln – och hitta alltid det bästa erbjudandet utan att betala för mycket.
Complex Network Analysis in Python
Construct, analyze, and visualize networks with networkx, a Python language module. Network analysis is a powerful tool you can apply to a multitude of datasets and situations. Discover how to work with all kinds of networks, including social, product, temporal, spatial, and semantic networks. Convert almost any real-world data into a complex network--such as recommendations on co-using cosmetic products, muddy hedge fund connections, and online friendships. Analyze and visualize the network, and make business decisions based on your analysis. If you're a curious Python programmer, a data scientist, or a CNA specialist interested in mechanizing mundane tasks, you'll increase your productivity exponentially. Complex network analysis used to be done by hand or with non-programmable network analysis tools, but not anymore! You can now automate and program these tasks in Python. Complex networks are collections of connected items, words, concepts, or people. By exploring their structure and individual elements, we can learn about their meaning, evolution, and resilience. Starting with simple networks, convert real-life and synthetic network graphs into networkx data structures. Look at more sophisticated networks and learn more powerful machinery to handle centrality calculation, blockmodeling, and clique and community detection. Get familiar with presentation-quality network visualization tools, both programmable and interactive--such as Gephi, a CNA explorer. Adapt the patterns from the case studies to your problems. Explore big networks with NetworKit, a high-performance networkx substitute. Each part in the book gives you an overview of a class of networks, includes a practical study of networkx functions and techniques, and concludes with case studies from various fields, including social networking, anthropology, marketing, and sports analytics. Combine your CNA and Python programming skills to become a better network analyst, a more accomplished data scientist, and a more versatile programmer. What You Need: You will need a Python 3.x installation with the following additional modules: Pandas (>=0.18), NumPy (>=1.10), matplotlib (>=1.5), networkx (>=1.11), python-louvain (>=0.5), NetworKit (>=3.6), and generalizesimilarity. We recommend using the Anaconda distribution that comes with all these modules, except for python-louvain, NetworKit, and generalizedsimilarity, and works on all major modern operating systems.
Hela bibliografin
Utforska alla Dmitry Zinovievs publicerade verk sorterade efter popularitet.
Upptäck liknande författare
Om du gillar Dmitry Zinoviev kommer du förmodligen att uppskatta även dessa författare inom naturvetenskap & teknik.