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
دسته بندی: آمار ریاضی ویرایش: نویسندگان: Alex Galea سری: ISBN (شابک) : 9781789532029 ناشر: Packt Publishing سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب شروع علم داده با پایتون و ژوپیتر: آمار، علم داده، پایتون، ژوپیتر، یادگیری ماشین
در صورت تبدیل فایل کتاب Beginning 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 شروع علم داده 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.
در این دوره آموزشی پایتون و ژوپیتر، با مهارتهایی که برای علوم داده 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 ماشینی را با مجموعه داده های واقعی کاوش خواهید کرد تا مهارت ها و قرار گرفتن در معرض 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.
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.
1 Jupyter Fundamentals 2 Data Cleaning and Advanced Machine Learning 3 Web Scraping and Interactive Visualizations A Appendix A: Index