Chương 1: Giới thiệu sách.

Chương 2: Cài đặt.

Chương 3: Thư viện Numpy.

Chương 4: Giới thiệu thư viện Pandas – 30 câu hỏi về Pandas.

Chương 5: Đọc và ghi dữ liệu với Pandas.

Chương 6: Thao tác dữ liệu với Pandas –  20 bài tập cơ bản về  Pandas.

Chương 7: Trực quan hóa dữ liệu với Matplotlib và Seaborn.

Có thể xem đây là tập tiếp theo sách KHOA HỌC DỮ LIỆU VỚI CÁC KỸ THUẬT HỌC MÁY (CƠ BẢN) ở mức độ chuyên sâu giới thiệu các công cụ Toán như Thống Kê, Đại số tuyến tính, Lý thuyết cơ bản về học máy, Cách thức các thuật toán học máy cụ thể hoạt động và nhiều hơn nữa mà các sinh viên chuyên ngành học về môn học này cần được trang bị. Sách giới thiệu nhanh về các thành phần thiết yếu của ngôn ngữ Python dành cho các nhà nghiên cứu và nhà phát triển Phân tích dữ liệu, học máy và học sâu. Nền tảng học máy vững chắc được trình bày bởi chuyên gia. Toàn bộ vòng đời phát triển học máy được áp dụng cho các dự án cấp doanh nghiệp. Bao gồm mã hóa  Python, điện toán khoa học, thuật toán tối ưu hóa, AI có thể giải thích và các phương pháp tiên tiến hướng đến sự đơn giản, khả năng mở rộng, khả năng tái sử dụng, khả năng nhân rộng, triển khai nhanh và bảo trì dễ dàng. Từ làm sạch dữ liệu đến thiết kế mô hình, thử nghiệm và lựa chọn tính năng, cho đến những hình ảnh trực quan tuyệt vời dễ dàng cho các bên liên quan và người ra quyết định.Tùy thuộc vào nền tảng và sở thích của sinh viên, các chủ đề có thể bao gồm dữ liệu tăng cường, mô hình tổng quát và hỗn hợp, dữ liệu lớn, mạng thần kinh sâu, Nhiều thuật toán học máy được trình bày.

Nội dung sách trình bày qua 440 trang khổ 16 x 24 cm với 12 chương.

Chương 1: Làm quen với Python và thư viện.
Chương 2: Tổng quan về Trí tuệ nhân tạo, Khoa học dữ liệu, Học máy và Học sâu.
Chương 3: Thống kê.
Chương 4: Đại số tuyến tính.
Chương 5: Trực quan hóa dữ liệu.
Chương 6: Truy xuất, xử lý và lưu trữ dữ liệu.
Chương 7: Làm sạch dữ liệu.
Chương 8: Xử lý tín hiệu và chuỗi thời gian.
Chương 9: Học có giám sát – Phân tích hồi quy.
Chương 10: Học có giám sát – Các kỹ thuật phân loại.
Chương 11: Học không giám sát – Pca và phân cụm.
Chương 12: Phân tích dữ liệu dạng văn bản.

Đây là cuốn sách giới thiệu nhanh về Khoa học dữ liệu, Trí tuệ nhân tạo cho các nhà nghiên cứu và nhà phát triển Phân tích dữ liệu, Học máy và Học sâu.

Chương 1: Giới thiệu.

Chương 2: Tổng quan về Trí tuệ nhân tạo, Học máy, Học sâu.

Chương 3: Hoc AI thông qua các câu hỏi và bài tập.

Chương 4: Thư viện Python cho Khoa học dữ liệu.

Chương 5: Thục hành với thư viện Pandas nâng cao.

Chương 6: Thư viện Scipy.

Chương 7: Python và khoa học dữ liệu.

Chương 8: Phân tích dữ liệu và học máy.

Chương 9: TensorFlow.

Chương 10: Dữ liệu khí tượng.

Chương 11: Nhúng thư viện java script D3 vào  IpythonNotebook.

Chương 12: Hỏi đáp về xử lý ngôn ngữ tự nhiên-Nhận dạng chữ số viết tay.

Chương 13: Phân tích dữ liệu văn bản với NLTK.

Chương 14: Hỏi đáp về thị giác máy tính-Phân tích hình ảnh và thị giác máy tính sử dụng Open CV.

Sách giới thiệu và hướng dẫn sử dụng các thư viện chuyên dùng trong Trí tuệ nhân tạo, Học máy, Học sâu như Pandas, Scipy, TensorFlow… trình bày trong các Chương 4, 5, 6,7, 8, 9. Sách còn giới thiệu và thực hành với Xử lý ngôn ngữ tự nhiên (Natural Language Processing – NLP) là một trong những lĩnh vực quan trọng trong khoa học máy tính và trí tuệ nhân tạo (Chương 12, 13), tập trung vào việc xử lý và hiểu ngôn ngữ tự nhiên của con người bằng các phương pháp và công cụ máy tính. Nó liên quan đến việc phân tích, xử lý, tổng hợp, và tạo ra các văn bản, giọng nói, và ngôn ngữ được sử dụng trong giao tiếp giữa con người và máy tính. Các ứng dụng NLP rất đa dạng, từ việc tạo ra các trang web thông minh có thể hiểu và đáp ứng các câu hỏi của người dùng, cho đến việc tìm kiếm thông tin trong kho dữ liệu khổng lồ, phân loại tin tức và định dạng tài liệu, và dịch thuật tự động giữa các ngôn ngữ khác nhau.

NLP là một lĩnh vực phát triển nhanh chóng và có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau, từ thương mại điện tử đến y tế và giáo dục.