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: Alex Galea
سری:
ISBN (شابک) : 9781789958
ناشر: Packt Publishing
سال نشر: 2018
تعداد صفحات: 255
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 14 Mb
در صورت تبدیل فایل کتاب Applied Data Science with Python and Jupyter 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 علم داده کاربردی با پایتون و ژوپیتر 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.
شروع با علم داده نباید یک نبرد دشوار باشد. Applied Data Science with Python و Jupyter یک راهنمای گام به گام ایده آل برای مبتدیانی است که کمی پایتون می دانند و به دنبال معرفی سریع و سریع این مفاهیم هستند. در این کتاب، همه جنبههای فرآیند گردش کار دادههای استاندارد، از جمله جمعآوری، تمیز کردن، بررسی، تجسم و مدلسازی دادهها را خواهید آموخت. شما با اصول اولیه Jupyter که ستون فقرات کتاب خواهد بود، شروع خواهید کرد. پس از آشنایی با ویژگی های استاندارد آن، با اولین تحلیل ما به نمونه ای از آن در عمل نگاه خواهید کرد. در درس بعدی، شما مستقیماً به تجزیه و تحلیل پیشبینی میشوید، جایی که الگوریتمهای طبقهبندی متعددی پیادهسازی میشوند. در نهایت، کتاب با نگاهی به تکنیک های جمع آوری داده ها به پایان می رسد. خواهید دید که چگونه می توان داده های وب را با تکنیک های خراش دادن و از طریق API ها به دست آورد و سپس به طور مختصر تجسم های تعاملی را بررسی کرد.
Getting started with data science doesn't have to be an uphill battle. Applied Data Science with Python and Jupyter is a step-by-step guide ideal for beginners who know a little Python and are looking for a quick, fast-paced introduction to these concepts. In this book, you'll learn every aspect of the standard data workflow process, including collecting, cleaning, investigating, visualizing, and modeling data. You'll start with the basics of Jupyter, which will be the backbone of the book. After familiarizing ourselves with its standard features, you'll look at an example of it in practice with our first analysis. In the next lesson, you dive right into predictive analytics, where multiple classification algorithms are implemented. Finally, the book ends by looking at data collection techniques. You'll see how web data can be acquired with scraping techniques and via APIs, and then briefly explore interactive visualizations.