دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Beginning Data Science With Python and Jupyter: Use Powerful Industry-Standard Tools Within Jupyter and the Python Ecosystem to Unlock New, Actionable Insights From Your Data
دانلود کتاب شروع علوم داده با پایتون و ژوپیتر: از ابزارهای استاندارد استاندارد صنعت در ژوپیتر و اکوسیستم پایتون برای باز کردن دیدگاه های جدید و قابل اجرا از داده های خود استفاده کنید
مشخصات کتاب
Beginning Data Science With Python and Jupyter: Use Powerful Industry-Standard Tools Within Jupyter and the Python Ecosystem to Unlock New, Actionable Insights From Your Data
ویرایش:
نویسندگان: Alex Galea [Galea. Alex]
سری:
ISBN (شابک) : 1789532027
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: 3 Mb
قیمت کتاب (تومان) : 52,000
در صورت تبدیل فایل کتاب Beginning Data Science With Python and Jupyter: Use Powerful Industry-Standard Tools Within Jupyter and the Python Ecosystem to Unlock New, Actionable Insights From Your Data 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 علوم داده با پایتون و ژوپیتر: از ابزارهای استاندارد استاندارد صنعت در ژوپیتر و اکوسیستم پایتون برای باز کردن دیدگاه های جدید و قابل اجرا از داده های خود استفاده کنید 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 علوم داده با پایتون و ژوپیتر: از ابزارهای استاندارد استاندارد صنعت در ژوپیتر و اکوسیستم پایتون برای باز کردن دیدگاه های جدید و قابل اجرا از داده های خود استفاده کنید
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.
ویژگی های کلیدی
- با اکوسیستم Jupyter و چند نمونه مجموعه داده راه اندازی و اجرا کنید
- درباره مفاهیم کلیدی یادگیری ماشین مانند SVM، طبقه‌بندی‌کننده‌های KNN و جنگل‌های تصادفی بیاموزید
- کشف کنید که چگونه می توانید از خراش دادن وب برای جمع آوری و تجزیه مجموعه داده های سفارشی خود استفاده کنید
توضیحات کتاب
در این دوره آموزشی پایتون و ژوپیتر، با مهارت‌هایی که برای علوم داده سطح پایه 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 با نشان دادن اینکه چقدر آسان می‌توان داده‌های خود را از وب باز جمع‌آوری کرد، کار را به پایان می‌رسانیم تا بتوانید مهارت‌های جدید خود را در یک زمینه عملی به کار ببرید.
آنچه خواهید آموخت< /h4>
- با اکوسیستم Jupyter و چند مجموعه داده نمونه راه اندازی کنید
- درباره مفاهیم کلیدی یادگیری ماشین مانند SVM، طبقه‌بندی‌کننده‌های KNN و جنگل‌های تصادفی بیاموزید
- یک استراتژی طبقه بندی یادگیری ماشین و طبقه بندی قطارها، مدل ها برنامه ریزی کنید
- از منحنی های اعتبارسنجی و کاهش ابعاد برای تنظیم و بهبود مدل های خود استفاده کنید
- کشف کنید چگونه می توانید از خراش دادن وب برای جمع آوری و تجزیه مجموعه داده های سفارشی خود استفاده کنید
- داده های جدولی را از صفحات وب پاک کنید و آنها را به Pandas DataFrames تبدیل کنید
- تجسم های تعاملی و وب پسند ایجاد کنید تا یافته های خود را به وضوح بیان کنید
این کتاب برای چه کسی است
این کتاب با توجه به محبوبیت روزافزون و دسترسی به علم داده، برای افراد حرفه‌ای با انواع شرح وظایف در طیف وسیعی از صنایع ایده‌آل است. شما به تجربه قبلی با Python نیاز دارید، با هر کار قبلی با کتابخانه هایی مانند Pandas، Matplotlib و Pandas که یک شروع مفید برای شما فراهم می کند.
فهرست محتوا
- مبانی ژوپیتر
- پاکسازی داده ها و یادگیری ماشینی پیشرفته
- خراش دادن وب و تجسم های تعاملی
**
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.
Key Features
- 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
Book Description
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.
What you will learn
- 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
- Plan a machine learning classification strategy and train classification, models
- Use validation curves and dimensionality reduction to tune and enhance your models
- Discover how you can use web scraping to gather and parse your own bespoke datasets
- Scrape tabular data from web pages and transform them into Pandas DataFrames
- Create interactive, web-friendly visualizations to clearly communicate your findings
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.
Table of Contents
- Jupyter Fundamentals
- Data Cleaning and Advanced Machine Learning
- Web Scraping and Interactive Visualizations
**
