
W XXI wieku obserwujemy gwałtowny wzrost ilości danych, a wraz z nim rosnące znaczenie zaawansowanych metod ich analizy. W niniejszej książce prezentujemy wybrane techniki przetwarzania danych wraz z ich ilustracją w języku Python. Rozpoczynamy od wprowadzenia do automatyzacji procesów biznesowych. Z założenia nie wymagamy od Czytelników doświadczenia w programowaniu, stąd też w pierwszej części książki dokonujemy wprowadzenia do programowania w języku Python. W drugiej części książki przechodzimy do omówienia zagadnień związanych z wykorzystaniem języka Python do automatyzacji procesów pozyskiwania i przetwarzania danych. W szczególności dokonujemy przeglądu literatury i prezentujemy rozwiązania dotyczące maszynowego pobierania stron internetowych oraz przetwarzania tekstu. Omawiamy ponadto wybrane techniki uczenia maszynowego - klasyfikację oraz regresję. Prezentacji tych technik towarzyszą przykłady własnych badań leżących na styku ekonomii, finansów, zarządzania i ekonometrii. Prezentowane badania są możliwe do szybkiego wdrożenia w praktyce przetwarzania danych w małych i średnich przedsiębiorstwach.
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
