Для выполнения практических заданий по Python Data Science, рекомендуется выбрать следующие книги:
1. "Python Data Science Handbook" автора Jake VanderPlas
2. "Data Science for Business: What you need to know about data mining and data-analytic thinking" авторов Foster Provost и Tom Fawcett
3. "Introduction to Machine Learning with Python: A Guide for Data Scientists" авторов Andreas C. Müller и Sarah Guido
Основные концепции, которые обычно изучают в Jupyter Notebook в рамках Python Data Science, включают в себя:
1. Импорт и работа с данными с использованием библиотек pandas и numpy.
2. Визуализация данных с помощью библиотек matplotlib и seaborn.
3. Работа с машинным обучением: подготовка данных, построение моделей, обучение и оценка результатов.
4. Применение статистических методов для анализа данных и проверки гипотез.
5. Работа с различными типами данных, включая текстовые, изображения или временные ряды.
Изучение этих концепций в Jupyter Notebook поможет вам лучше понять и применять Python в области Data Science.