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: [1 ed.]
نویسندگان: Alex Galea
سری:
ناشر: Packt Publishing
سال نشر: 2018
تعداد صفحات: 194
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 Mb
در صورت تبدیل فایل کتاب Beginning Data Analysis 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 شروع تجزیه و تحلیل داده ها 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. این راهنمای گام به
گام برای مبتدیانی که کمی پایتون می دانند و به دنبال معرفی سریع
و سریع هستند ایده آل است. درباره این کتاب با اکوسیستم Jupyter و
برخی از مجموعه دادههای نمونه راهاندازی کنید و در مورد مفاهیم
کلیدی یادگیری ماشین مانند SVM، طبقهبندیکنندههای KNN و
جنگلهای تصادفی بیاموزید کشف کنید که چگونه میتوانید از
scraping وب برای جمعآوری و مجموعه دادههای سفارشی خود را
تجزیه کنید. این کتاب برای افراد حرفهای با انواع شرح وظایف در
طیف وسیعی از صنایع، با توجه به محبوبیت و دسترسی روزافزون علم
داده، ایدهآل است. شما به تجربه قبلی با پایتون نیاز دارید، با
هر کار قبلی با کتابخانه هایی مانند Pandas، Matplotlib و Pandas
که یک شروع مفید برای شما فراهم می کند. آنچه یاد خواهید گرفت
حوزه های بالقوه تحقیق را شناسایی کنید و تجزیه و تحلیل داده های
اکتشافی را انجام دهید استراتژی طبقه بندی یادگیری ماشینی را
برنامه ریزی کنید و مدل های طبقه بندی را آموزش دهید از منحنی های
اعتبارسنجی و کاهش ابعاد برای تنظیم و بهبود مدل های خود استفاده
کنید داده های جدولی را از صفحات وب پاک کنید و به Pandas
DataFrames تبدیل کنید. ، تجسم های وب پسند برای انتقال واضح
یافته های شما به تفصیل در این دوره کاربردی پایتون و ژوپیتر با
مهارت هایی که برای علم داده در سطح ابتدایی نیاز دارید آشنا
شوید. شما در مورد برخی از پرکاربردترین کتابخانه ها که بخشی از
توزیع Anaconda هستند، یاد خواهید گرفت و سپس مدل های یادگیری
ماشین را با مجموعه داده های واقعی کاوش خواهید کرد تا مهارت ها و
قرار گرفتن در معرض مورد نیاز برای دنیای واقعی را به شما ارائه
دهند. ما کار را با نشان دادن اینکه چقدر آسان میتوانید دادههای
خود را از وب باز جمعآوری کنید، به پایان میرسانیم تا بتوانید
مهارتهای جدید خود را در یک زمینه عملی به کار ببرید. سبک و
رویکرد این کتاب هر جنبه ای از فرآیند استاندارد گردش کار داده ها
را در یک روز به همراه تئوری، کدگذاری عملی عملی و تصاویر مرتبط
پوشش می دهد. دانلود کد نمونه برای این کتاب میتوانید فایلهای
کد نمونه همه کتابهای Packt را که از حساب خود در
http://www.PacktPub.com خریداری کردهاید دانلود کنید. اگر این
کتاب را از جای دیگری خریداری کرده اید، می توانید به
http://www.PacktPub.com/support مراجعه کرده و ثبت نام کنید تا
فایل ها مستقیماً برای شما ایمیل شوند.
ادامه مطلب...
چکیده: شروع با علم داده نباید یک نبرد سخت باشد. این راهنمای گام
به گام برای مبتدیانی که کمی پایتون می دانند و به دنبال معرفی
سریع و سریع هستند ایده آل است. درباره این کتاب با اکوسیستم
Jupyter و برخی از مجموعه دادههای نمونه راهاندازی و اجرا کنید
درباره مفاهیم کلیدی یادگیری ماشین مانند SVM،
طبقهبندیکنندههای KNN و جنگلهای تصادفی بیاموزید کشف کنید که
چگونه میتوانید از خراش دادن وب برای جمعآوری و تجزیه
مجموعههای داده سفارشی خود استفاده کنید. با توجه به افزایش
محبوبیت و دسترسی به علم داده، کتاب برای حرفه ای ها با انواع شرح
وظایف در طیف وسیعی از صنایع ایده آل است. شما به تجربه قبلی با
پایتون نیاز دارید، با هر کار قبلی با کتابخانه هایی مانند
Pandas، Matplotlib و Pandas که یک شروع مفید برای شما فراهم می
کند. آنچه یاد خواهید گرفت حوزه های بالقوه تحقیق را شناسایی کنید
و تجزیه و تحلیل داده های اکتشافی را انجام دهید استراتژی طبقه
بندی یادگیری ماشینی را برنامه ریزی کنید و مدل های طبقه بندی را
آموزش دهید از منحنی های اعتبارسنجی و کاهش ابعاد برای تنظیم و
بهبود مدل های خود استفاده کنید داده های جدولی را از صفحات وب
پاک کنید و به Pandas DataFrames تبدیل کنید. ، تجسم های وب پسند
برای انتقال واضح یافته های شما به تفصیل در این دوره کاربردی
پایتون و ژوپیتر با مهارت هایی که برای علم داده در سطح ابتدایی
نیاز دارید آشنا شوید. شما در مورد برخی از پرکاربردترین کتابخانه
ها که بخشی از توزیع Anaconda هستند، یاد خواهید گرفت و سپس مدل
های یادگیری ماشین را با مجموعه داده های واقعی کاوش خواهید کرد
تا مهارت ها و قرار گرفتن در معرض مورد نیاز برای دنیای واقعی را
به شما ارائه دهند. ما کار را با نشان دادن اینکه چقدر راحت
میتوانید دادههای خود را از وب باز جمعآوری کنید، به پایان
میرسانیم تا بتوانید مهارتهای جدید خود را در یک زمینه عملی به
کار ببرید. سبک و رویکرد این کتاب هر جنبه ای از فرآیند استاندارد
گردش کار داده ها را در یک روز به همراه تئوری، کدگذاری عملی عملی
و تصاویر مرتبط پوشش می دهد. دانلود کد نمونه برای این کتاب
میتوانید فایلهای کد نمونه همه کتابهای Packt را که از حساب
خود در http://www.PacktPub.com خریداری کردهاید دانلود کنید.
اگر این کتاب را از جای دیگری خریداری کرده اید، می توانید به
http://www.PacktPub.com/support مراجعه کرده و ثبت نام کنید تا
فایل ها مستقیماً برای شما ایمیل شوند.
Getting started with data science doesn't have to be an uphill
battle. This step-by-step guide is ideal for beginners who know
a little Python and are looking for a quick, fast-paced
introduction. About This Book Get up and running with the
Jupyter ecosystem and some example datasets Learn about key
machine learning concepts like SVM, KNN classifiers and Random
Forests Discover how you can use web scraping to gather
and parse your own
bespoke datasets Who This Book Is For This book is ideal for
professionals with a variety of job descriptions across large
range of industries, given the rising popularity and
accessibility of data science. You'll need some prior
experience with Python, with any prior work with libraries like
Pandas, Matplotlib and Pandas providing you a useful head
start. What You Will Learn Identify potential areas of
investigation and perform exploratory data analysis Plan a
machine learning classification strategy and train
classification models Use validation curves and dimensionality
reduction to tune and enhance your models Scrape tabular data
from web pages and transform it into Pandas DataFrames Create
interactive, web-friendly visualizations to clearly communicate
your findings In Detail Get to grips with the skills you need
for entry-level data science in this hands-on Python and
Jupyter course. You'll learn about some of the most commonly
used libraries that are part of the Anaconda distribution, and
then explore machine learning models with real datasets to give
you the skills and exposure you need for the real world. We'll
finish up by showing you how easy it can be to scrape and
gather your own data from the open web, so that you can apply
your new skills in an actionable context. Style and approach
This book covers every aspect of the standard data-workflow
process within a day, along with theory, practical hands-on
coding, and relatable illustrations. Downloading the example
code for this book You can download the example code files for
all Packt books you have purchased from your account at
http://www.PacktPub.com. If you purchased this book elsewhere,
you can visit http://www.PacktPub.com/support and register to
have the files e-mailed directly to you. Read
more...
Abstract: Getting started with data science doesn't have to be
an uphill battle. This step-by-step guide is ideal for
beginners who know a little Python and are looking for a quick,
fast-paced introduction. About This Book Get up and running
with the Jupyter ecosystem and some example datasets Learn
about key machine learning concepts like SVM, KNN classifiers
and Random Forests Discover how you can use web scraping to
gather and parse your own bespoke datasets Who This Book Is For
This book is ideal for professionals with a variety of job
descriptions across large range of industries, given the rising
popularity and accessibility of data science. You'll need some
prior experience with Python, with any prior work with
libraries like Pandas, Matplotlib and Pandas providing you a
useful head start. What You Will Learn Identify potential areas
of investigation and perform exploratory data analysis Plan a
machine learning classification strategy and train
classification models Use validation curves and dimensionality
reduction to tune and enhance your models Scrape tabular data
from web pages and transform it into Pandas DataFrames Create
interactive, web-friendly visualizations to clearly communicate
your findings In Detail Get to grips with the skills you need
for entry-level data science in this hands-on Python and
Jupyter course. You'll learn about some of the most commonly
used libraries that are part of the Anaconda distribution, and
then explore machine learning models with real datasets to give
you the skills and exposure you need for the real world. We'll
finish up by showing you how easy it can be to scrape and
gather your own data from the open web, so that you can apply
your new skills in an actionable context. Style and approach
This book covers every aspect of the standard data-workflow
process within a day, along with theory, practical hands-on
coding, and relatable illustrations. Downloading the example
code for this book You can download the example code files for
all Packt books you have purchased from your account at
http://www.PacktPub.com. If you purchased this book elsewhere,
you can visit http://www.PacktPub.com/support and register to
have the files e-mailed directly to you