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: نویسندگان: Cunningham. Scott W., Kwakkel. Jan H. سری: ISBN (شابک) : 9781606505113, 1606505114 ناشر: Momentum Press سال نشر: 2016 تعداد صفحات: 146 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Analytics and Tech Mining for Engineering Managers. 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 و استخراج فناوری برای مدیران مهندسی. 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.
این کتاب ابزارهای عملی در پایتون را به دانشجویان نوآوری و همچنین متخصصان هوش رقابتی ارائه می دهد تا پیشرفت های جدید در علم، فناوری و نوآوری را دنبال کنند. این کتاب برای مخاطبان فناوری و علم داده جذاب خواهد بود. برای مخاطبان فناوری معدن، پایتون یک زبان جذاب و همهجانبه برای مدیریت فرآیند استخراج فناوری ارائه میکند. این کتاب مکمل دیگر کتابهای مقدماتی در زبان پایتون است و دستور العملهایی را ارائه میکند که با آن یک تمرینکننده میتواند تمرین متن کاوی را پرورش دهد. برای مخاطبان علم داده، این کتاب مروری مختصر بر مفیدترین تکنیک های متن کاوی ارائه می دهد. این کتاب همچنین دانش حوزه مرتبط از مدیریت مهندسی را فراهم می کند. بنابراین می توان زمینه مناسبی برای تحلیل ایجاد کرد. این اولین کتاب از مجموعه دو کتابی است. این کتاب اول در مورد استخراج متن بحث می کند، در حالی که کتاب دوم تجزیه و تحلیل متن را توضیح می دهد. این کتاب نحوه استخراج اطلاعات کاربردی از منابع مختلف از جمله مقالات علمی، پتنت ها، فایل های PDF و صفحات وب را شرح می دهد. ابزارهای مختلفی در پایتون برای استخراج متن وجود دارد. به طور خاص، ما در مورد استفاده از پانداها، BeautifulSoup و pdfminer بحث می کنیم.
This book offers practical tools in Python to students of innovation, as well as competitive intelligence professionals, to track new developments in science, technology, and innovation. The book will appeal to both—tech-mining and data science audiences. For tech-mining audiences, Python presents an appealing, all-in-one language for managing the tech-mining process. The book is a complement to other introductory books on the Python language, providing recipes with which a practitioner can grow a practice of mining text. For data science audiences, this book gives a succinct overview over the most useful techniques of text mining. The book also provides relevant domain knowledge from engineering management; so, an appropriate context for analysis can be created. This is the first book of a two-book series. This first book discusses the mining of text, while the second one describes the analysis of text. This book describes how to extract actionable intelligence from a variety of sources including scientific articles, patents, pdfs, and web pages. There is a variety of tools available within Python for mining text. In particular, we discuss the use of pandas, BeautifulSoup, and pdfminer.
Content: Cover
Contents
List of Figures
List of Tables
List of Scripts, Examples, and Outputs
Preface
Acknowledgments
Chapter 1: Tech Mining Using Open Source Tools
Chapter 2: Python Installation
Chapter 3: Python Basics for Text Mining
Chapter 4: Sources of Science and Technology Information
Chapter 5: Parsing Collected Data
Chapter 6: Parsing Tree-Structured Files
Chapter 7: Extracting and Reporting on Text
Chapter 8: Indexing and Tabulating the Data
Conclusions
References
Index
Adpage
Backcover.