دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب A General Introduction to Data Analytics
دانلود کتاب مقدمه ای کلی بر تجزیه و تحلیل داده ها
مشخصات کتاب
A General Introduction to Data Analytics
ویرایش: نویسندگان: João Moreira, Andre Carvalho, Tomás Horvath سری: ISBN (شابک) : 9781119296256 ناشر: Wiley سال نشر: 2019 تعداد صفحات: 324 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
قیمت کتاب (تومان) : 45,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب A General Introduction to Data Analytics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای کلی بر تجزیه و تحلیل داده ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب مقدمه ای کلی بر تجزیه و تحلیل داده ها
راهنمای اصول و روش های تجزیه و تحلیل داده ها که نیازی به دانش آمار یا برنامه نویسی ندارد مقدمه ای کلی بر تجزیه و تحلیل داده ها یک راهنمای ضروری برای درک و استفاده از تجزیه و تحلیل داده ها است. این کتاب با استفاده از اصطلاحات قابل فهم نوشته شده است و نیازی به آشنایی با آمار و برنامه نویسی ندارد. نویسندگان - کارشناسان برجسته در این زمینه - توضیحی در مورد شهود پشت تکنیک های اصلی تجزیه و تحلیل داده ها را برجسته می کنند. متن همچنین شامل تمرین ها و مثال های گویا است. این کتاب که تصور می شود به راحتی برای افراد غیر متخصص قابل دسترسی باشد، انگیزه لازم برای تجزیه و تحلیل داده ها را فراهم می کند. نحوه تجسم و خلاصه کردن داده ها و نحوه یافتن گروه های طبیعی و الگوهای مکرر در یک مجموعه داده را توضیح می دهد. این کتاب همچنین وظایف پیش‌بینی را بررسی می‌کند، خواه طبقه‌بندی یا رگرسیون باشد. در نهایت، این کتاب در مورد برنامه های کاربردی تجزیه و تحلیل داده های رایج مانند استخراج وب، بازیابی اطلاعات، تجزیه و تحلیل شبکه های اجتماعی، کار با متن و سیستم های توصیه کننده بحث می کند. منابع آموزشی ارائه می دهند: - راهنمای استدلال پشت تکنیک های داده کاوی - یک مثال گویا منحصر به فرد که در تمام فصل ها گسترش می یابد - تمرینات در پایان هر فصل و پروژه های بزرگتر در پایان هر یک از دو بخش اصلی متن همراه با این منابع آموزشی، این کتاب را می توان در یک راهنمای دوره 13 هفته ای، یک فصل برای هر موضوع دوره استفاده کرد. این کتاب در قالبی نوشته شده است که امکان درک مفاهیم اصلی تجزیه و تحلیل داده‌ها را توسط غیرریاضی‌دانان، غیرآماردانان و دانشمندان غیر کامپیوتری که علاقه مند به آشنایی با علم داده هستند را فراهم می‌کند. مقدمه ای کلی برای تجزیه و تحلیل داده ها یک راهنمای اساسی برای تجزیه و تحلیل داده ها است که با شرایط بسیار قابل دسترس نوشته شده است.
توضیحاتی درمورد کتاب به خارجی
A guide to the principles and methods of data analysis that does not require knowledge of statistics or programming A General Introduction to Data Analytics is an essential guide to understand and use data analytics. This book is written using easy-to-understand terms and does not require familiarity with statistics or programming. The authors—noted experts in the field—highlight an explanation of the intuition behind the basic data analytics techniques. The text also contains exercises and illustrative examples. Thought to be easily accessible to non-experts, the book provides motivation to the necessity of analyzing data. It explains how to visualize and summarize data, and how to find natural groups and frequent patterns in a dataset. The book also explores predictive tasks, be them classification or regression. Finally, the book discusses popular data analytic applications, like mining the web, information retrieval, social network analysis, working with text, and recommender systems. The learning resources offer: - A guide to the reasoning behind data mining techniques - A unique illustrative example that extends throughout all the chapters - Exercises at the end of each chapter and larger projects at the end of each of the text’s two main parts Together with these learning resources, the book can be used in a 13-week course guide, one chapter per course topic. The book was written in a format that allows the understanding of the main data analytics concepts by non-mathematicians, non-statisticians and non-computer scientists interested in getting an introduction to data science. A General Introduction to Data Analytics is a basic guide to data analytics written in highly accessible terms.
فهرست مطالب
Contents......Page 3
Preface......Page 9
Conventions......Page 11
Website......Page 12
What can we do with Data......Page 13
Big Data and Data Science......Page 14
Big Data Architectures......Page 15
Small Data......Page 16
What is Data?......Page 17
A Short Taxonomy of Data Analytics......Page 19
Examples of Data Use......Page 20
A Project on Data Analytics......Page 22
How this Book is Organized......Page 26
Who Should Read this Book......Page 28
--- Insights from Data......Page 29
Descriptive Statistics......Page 30
Scale Types......Page 31
Descriptive Univariate Analysis......Page 34
Descriptive Bivariate Analysis......Page 49
Exercises......Page 56
Multivariate Frequencies......Page 58
Multivariate Data Visualization......Page 59
Multivariate Statistics......Page 68
Infographics and Word Clouds......Page 75
Final Remarks......Page 76
Exercises......Page 77
Data Quality......Page 79
Converting to a Different Scale Type......Page 85
Converting to a Different Scale......Page 91
Data Transformation......Page 93
Dimensionality Reduction......Page 94
Exercises......Page 104
Clustering......Page 106
Distance Measures......Page 107
Clustering Validation......Page 114
Clustering Techniques......Page 115
Final Remarks......Page 129
Exercises......Page 130
Frequent Pattern Mining......Page 132
Frequent Itemsets......Page 134
Association Rules......Page 146
Behind Support and Confidence......Page 149
Other Types of Pattern......Page 154
Exercises......Page 156
Cheat Sheet of Descriptive Analytics......Page 158
Project on Descriptive Analytics......Page 161
--- Predicting the Unknown......Page 166
Regression......Page 167
Predictive Performance Estimation......Page 170
Finding the Parameters of the Model......Page 177
Technique and Model Selection......Page 188
Final Remarks......Page 189
Exercises......Page 190
Classification......Page 192
Binary Classification......Page 193
Predictive Performance Measures for Classification......Page 197
Distance-based Learning Algorithms......Page 204
Probabilistic Classification Algorithms......Page 208
Final Remarks......Page 213
Exercises......Page 215
Search-based Algorithms......Page 216
Optimization-based Algorithms......Page 226
Final Remarks......Page 243
Exercises......Page 244
Ensemble Learning......Page 246
Algorithm Bias......Page 251
Non-binary Classification Tasks......Page 253
Advanced Data Preparation Techniques for Prediction......Page 258
Description and Prediction with Supervised Interpretable Techniques......Page 260
Exercises......Page 261
Project on Predictive Analytics......Page 263
--- Popular Data Analytics Applications......Page 271
Working with Texts......Page 272
Recommender Systems......Page 281
Social Network Analysis......Page 294
Exercises......Page 303
A.1 Business Understanding......Page 305
A.2 Data Understanding......Page 307
A.3 Data Preparation......Page 308
A.4 Modeling......Page 309
A.5 Evaluation......Page 310
A.6 Deployment......Page 311
Refs......Page 312
Index......Page 316
