دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st edition
نویسندگان: Mukhopadhyay. Sayan
سری:
ISBN (شابک) : 9781484234501, 1484234499
ناشر: APRESS
سال نشر: 2018
تعداد صفحات: 195
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های پیشرفته با استفاده از پایتون: با یادگیری ماشین، یادگیری عمیق و مثال های NLP: 1633: جلد سخت، جلد نرم / Informatik، EDV/Programmiersprachen،Analytics،Apache Spark,B,COM021000,COM051360,COM051390,Deep Learning,Elastic Search,Hadoop,Machine Learning,Neo4j,Machine Learning,Neo4j,Machine Learning,Neo4j:SoftS2090,Neo4j:02000, Paperback منبع باز، SCI29120: Big Data، Storm، SUCO12059: محاسبات حرفه ای و کاربردی، سری زمانی، UM، UMX، UN، Datenanalyse، Massendaten، Python (Programmiersprache)
در صورت تبدیل فایل کتاب Advanced data analytics using Python: with machine learning, deep learning and NLP examples 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 تجزیه و تحلیل داده های پیشرفته با استفاده از پایتون: با یادگیری ماشین، یادگیری عمیق و مثال های NLP 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.
پایه گسترده ای از مفاهیم پیشرفته تجزیه و تحلیل داده ها را به دست آورید و انقلاب اخیر در پایگاه های داده مانند Neo4j، Elasticsearch و MongoDB را کشف کنید. این کتاب نحوه پیادهسازی تکنیکهای ETL از جمله خزیدن موضعی را مورد بحث قرار میدهد که در حوزههایی مانند تجارت الگوریتمی با فرکانس بالا و سیستمهای گفتگوی هدفگرا اعمال میشود. همچنین نمونه هایی از مفاهیم یادگیری ماشین مانند یادگیری نیمه نظارتی، یادگیری عمیق و NLP را مشاهده خواهید کرد. تجزیه و تحلیل داده های پیشرفته با استفاده از پایتون همچنین تکنیک های مهم تجزیه و تحلیل داده های سنتی مانند سری های زمانی و تجزیه و تحلیل اجزای اصلی را پوشش می دهد. پس از خواندن این کتاب، از هر جنبه فنی یک پروژه تحلیلی تجربه خواهید داشت. شما با استفاده از کد پایتون با مفاهیم آشنا خواهید شد و نمونه هایی برای استفاده در پروژه های خود به شما می دهد. آنچه یاد خواهید گرفت با تکنیک های تجزیه و تحلیل داده ها مانند طبقه بندی، خوشه بندی، رگرسیون، و پیش بینی کار کنید. از جمله مفاهیم یادگیری ماشینی پیشرفته Hadoop و Spark Discover مانند یادگیری نیمه نظارتی، یادگیری عمیق و NLP Who This Book برای دانشمندان داده و توسعه دهندگان نرم افزار علاقه مند به حوزه تجزیه و تحلیل داده است.
Gain a broad foundation of advanced data analytics concepts and discover the recent revolution in databases such as Neo4j, Elasticsearch, and MongoDB. This book discusses how to implement ETL techniques including topical crawling, which is applied in domains such as high-frequency algorithmic trading and goal-oriented dialog systems. You’ll also see examples of machine learning concepts such as semi-supervised learning, deep learning, and NLP. Advanced Data Analytics Using Python also covers important traditional data analysis techniques such as time series and principal component analysis. After reading this book you will have experience of every technical aspect of an analytics project. You’ll get to know the concepts using Python code, giving you samples to use in your own projects. What You Will Learn Work with data analysis techniques such as classification, clustering, regression, and forecasting Handle structured and unstructured data, ETL techniques, and different kinds of databases such as Neo4j, Elasticsearch, MongoDB, and MySQL Examine the different big data frameworks, including Hadoop and Spark Discover advanced machine learning concepts such as semi-supervised learning, deep learning, and NLP Who This Book Is For Data scientists and software developers interested in the field of data analytics.
Chapter 1: Introduction Chapter 2: ETL with Python Chapter 3: Supervised Learning with Python Chapter 4: Unsupervised Learning with Python Chapter 5: Deep Learning & Neural Networks Chapter 6: Time Series Analysis Chapter 7: Python in Emerging Technologies