Mining the social web : data minig facebook, twitter, linkedin, instagram, github, and more / Matthew A. Russell y Mikhail Klassen.

Por:

Russell, Matthew A [autor]

Colaborador(es):

Klassen, Mikhail [autor.]

Tipo de material: Texto

TextoIdioma: Inglés Editor: Beijing ; Boston ; Farnham ; Sebastopol ; Tokyo : Distribuidor: O'Reilly, Fecha de copyright: ©2018Edición: 3a ediciónDescripción: xxiv, 400 páginas : illustraciones ; 24 x 18 cmTipo de contenido:

texto

Tipo de medio:

sin medio

Tipo de soporte:

volumen

ISBN:

9781491985045

Tema(s):

Clasificación LoC:

QA 76 .9 .D343 R87 2018

Contenidos:

Part I. A Guided tour of the Social Web -- 1. Mining Twitter: Exploring Trending Topics, Discovering What People Are Talking About, and More -- 2. Mining Facebook: Analyzing Fan Pages, Examining Friendships, and More -- 3. Mining Instagram: Computer Vision, Neural Networks, Object Recognition, and Face Detection -- 4. Mining LinkedIn: Faceting Job Titles, Clustering Colleagues, and More -- 5. Mining Text Files: Computing Document Similarity, Extracting Collocations, and More -- 6. Mining Web Pages: Using Natural Language Processing to Understand Human Language, Summarize Blog Posts, and More -- 7. Mining Mailboxes: Analyzing Who’s Talking to Whom About What, How Often, and More 8. Mining GitHub: Inspecting Software Collaboration Habits, Building Interest Graphs, and More Part II. Twitter Cookbook 9. Twitter Cookbook Part III. Appendixes A. Information About This Book’s Virtual Machine Experience

Resumen: Mine the rich data tucked away in popular social websites such as Twitter, Facebook, LinkedIn, and Instagram. With the third edition of this popular guide, data scientists, analysts, and programmers will learn how to glean insights from social media—including who’s connecting with whom, what they’re talking about, and where they’re located—using Python code examples, Jupyter notebooks, or Docker containers. In part one, each standalone chapter focuses on one aspect of the social landscape, including each of the major social sites, as well as web pages, blogs and feeds, mailboxes, GitHub, and a newly added chapter covering Instagram. Part two provides a cookbook with two dozen bite-size recipes for solving particular issues with Twitter. Get a straightforward synopsis of the social web landscape Use Docker to easily run each chapter’s example code, packaged as a Jupyter notebook Adapt and contribute to the code’s open source GitHub repository Learn how to employ best-in-class Python 3 tools to slice and dice the data you collect Apply advanced mining techniques such as TFIDF, cosine similarity, collocation analysis, clique detection, and image recognition Build beautiful data visualizations with Python and JavaScript toolkitsResumen: Resumen en Español Extraiga los datos enriquecidos escondidos en sitios web sociales populares como Twitter, Facebook, LinkedIn e Instagram. Con la tercera edición de esta popular guía, los científicos de datos, analistas y programadores aprenderán cómo obtener información de las redes sociales, incluido quién se conecta con quién, de qué hablan y dónde se encuentran, utilizando ejemplos de código de Python. , cuadernos Jupyter o contenedores Docker. En la primera parte, cada capítulo independiente se centra en un aspecto del panorama social, incluidos cada uno de los principales sitios sociales, así como páginas web, blogs y fuentes, buzones de correo, GitHub y un capítulo recién agregado que cubre Instagram. La segunda parte proporciona un libro de cocina con dos docenas de recetas pequeñas para resolver problemas particulares con Twitter. Obtenga una sinopsis sencilla del panorama de la web social Use Docker para ejecutar fácilmente el código de ejemplo de cada capítulo, empaquetado como un cuaderno Jupyter Adapte y contribuya al repositorio GitHub de código abierto del código Aprenda a emplear las mejores herramientas de su clase de Python 3 para segmentar los datos que recopila Aplique técnicas avanzadas de minería como TFIDF, similitud de coseno, análisis de colocación, detección de camarillas y reconocimiento de imágenes. Cree hermosas visualizaciones de datos con los kits de herramientas de Python y JavaScript

Etiquetas de esta biblioteca: No hay etiquetas de esta biblioteca para este título. Ingresar para agregar etiquetas.

Existencias
Tipo de ítem	Biblioteca actual	Biblioteca de origen	Colección	Signatura topográfica	Copia número	Estado	Notas	Fecha de vencimiento	Código de barras	Reserva de ítems
Libros para consulta en sala	Biblioteca Antonio Enriquez Savignac	Biblioteca Antonio Enriquez Savignac	COLECCIÓN RESERVA	QA 76 .9 .D343 R87 2018 (Navegar estantería(Abre debajo))	Ejem.1	No para préstamo (Préstamo interno)	Ingeniería en Datos e Inteligencia Organizacional		042823

Total de reservas: 0

Navegando Biblioteca Antonio Enriquez Savignac estanterías, Colección: COLECCIÓN RESERVA Cerrar el navegador de estanterías (Oculta el navegador de estanterías)

Previo								Siguiente
Previo	QA 76.9.D343 L58 2011 Web data mining : exploring hyperlinks, contents, and usage data /	QA 76 .9 .D343 M46 2014 Big data : a revolution that will transform how we live, work, and think /	QA 76 .9 .D343 R56 2022 Data analysis with Python and PySpark /	QA 76 .9 .D343 R87 2018 Mining the social web : data minig facebook, twitter, linkedin, instagram, github, and more /	QA 76 .9 .D343 W82 2017 Data mining : practical machine learning tools and techniques /	QA76.9.D35 C1368 2006 Estructuras de datos /	QA 76 .9 .D35 S25 1990 Applications of spatial data structures : computer graphics, image processing, and gis /	Siguiente

21-08-2020 : segundo lanzamiento

"Data mining Facebook, Twitter, LinkedIn, Instagram, GitHub, and more"--Cover.

Incluye referencias bibliográficas e índice

Part I. A Guided tour of the Social Web --

1. Mining Twitter: Exploring Trending Topics, Discovering What People Are Talking About, and More --
2. Mining Facebook: Analyzing Fan Pages, Examining Friendships, and More --
3. Mining Instagram: Computer Vision, Neural Networks, Object Recognition, and Face Detection --
4. Mining LinkedIn: Faceting Job Titles, Clustering Colleagues, and More --
5. Mining Text Files: Computing Document Similarity, Extracting Collocations, and More --
6. Mining Web Pages: Using Natural Language Processing to Understand Human Language, Summarize Blog Posts, and More --
7. Mining Mailboxes: Analyzing Who’s Talking to Whom About What, How Often, and More
8. Mining GitHub: Inspecting Software Collaboration Habits, Building Interest Graphs, and More

Part II. Twitter Cookbook

9. Twitter Cookbook

Part III. Appendixes
A. Information About This Book’s Virtual Machine Experience

Mine the rich data tucked away in popular social websites such as Twitter, Facebook, LinkedIn, and Instagram. With the third edition of this popular guide, data scientists, analysts, and programmers will learn how to glean insights from social media—including who’s connecting with whom, what they’re talking about, and where they’re located—using Python code examples, Jupyter notebooks, or Docker containers.

In part one, each standalone chapter focuses on one aspect of the social landscape, including each of the major social sites, as well as web pages, blogs and feeds, mailboxes, GitHub, and a newly added chapter covering Instagram. Part two provides a cookbook with two dozen bite-size recipes for solving particular issues with Twitter.

Get a straightforward synopsis of the social web landscape
Use Docker to easily run each chapter’s example code, packaged as a Jupyter notebook
Adapt and contribute to the code’s open source GitHub repository
Learn how to employ best-in-class Python 3 tools to slice and dice the data you collect
Apply advanced mining techniques such as TFIDF, cosine similarity, collocation analysis, clique detection, and image recognition
Build beautiful data visualizations with Python and JavaScript toolkits

Resumen en Español

Extraiga los datos enriquecidos escondidos en sitios web sociales populares como Twitter, Facebook, LinkedIn e Instagram. Con la tercera edición de esta popular guía, los científicos de datos, analistas y programadores aprenderán cómo obtener información de las redes sociales, incluido quién se conecta con quién, de qué hablan y dónde se encuentran, utilizando ejemplos de código de Python. , cuadernos Jupyter o contenedores Docker.

En la primera parte, cada capítulo independiente se centra en un aspecto del panorama social, incluidos cada uno de los principales sitios sociales, así como páginas web, blogs y fuentes, buzones de correo, GitHub y un capítulo recién agregado que cubre Instagram. La segunda parte proporciona un libro de cocina con dos docenas de recetas pequeñas para resolver problemas particulares con Twitter.

Obtenga una sinopsis sencilla del panorama de la web social
Use Docker para ejecutar fácilmente el código de ejemplo de cada capítulo, empaquetado como un cuaderno Jupyter
Adapte y contribuya al repositorio GitHub de código abierto del código
Aprenda a emplear las mejores herramientas de su clase de Python 3 para segmentar los datos que recopila
Aplique técnicas avanzadas de minería como TFIDF, similitud de coseno, análisis de colocación, detección de camarillas y reconocimiento de imágenes.
Cree hermosas visualizaciones de datos con los kits de herramientas de Python y JavaScript

Haga clic en una imagen para verla en el visor de imágenes

PARA TODA NECESIDAD SIEMPRE HAY UN LIBRO

Mining the social web : data minig facebook, twitter, linkedin, instagram, github, and more / Matthew A. Russell y Mikhail Klassen.

Navegando Biblioteca Antonio Enriquez Savignac estanterías, Colección: COLECCIÓN RESERVA Cerrar el navegador de estanterías (Oculta el navegador de estanterías)