مشخصات کتاب

Beginning Data Analysis with Python And Jupyter

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.

توضیحاتی در مورد کتاب شروع تجزیه و تحلیل داده ها با پایتون و ژوپیتر

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.

توضیحاتی درمورد کتاب به خارجی

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

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Advanced Judo and Self-Defence

دانلود کتاب DIY Protein Bars Cookbook: Easy, Healthy, Homemade No-Bake Treats That Taste Like Dessert, But Just Happen To Be Packed With Protein!

دانلود کتاب ABAP 4® in 21 Tagen: Die Programmiersprache von SAP R 3 beherrschen lernen

دانلود کتاب Handbook of Pragmatics: 1996 Installment

دانلود کتاب Basic Electrical Engineering