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: Carvalho. André, Horvath. Tomás, Moreira. João سری: ISBN (شابک) : 9781119296263, 1119296269 ناشر: John Wiley & Sons, Incorporated سال نشر: 2018 تعداد صفحات: 392 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 20 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده ها آسان شد: داده کاوی، پردازش الکترونیکی داده، آمار ریاضی -- روش شناسی، کتاب های الکترونیکی، آمار ریاضی -- روش شناسی
در صورت تبدیل فایل کتاب Data Analysis Made Easy 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 تجزیه و تحلیل داده ها آسان شد 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.
مقدمه فهرست مطالب؛ پیشگفتار؛ بخش اول: پیشینه مقدماتی. 1 چه کاری می توانیم با داده ها انجام دهیم؟ 1.1 کلان داده و علم داده. 1.2 معماری کلان داده. 1.3 داده های کوچک. 1.4 داده چیست؟ 1.5 طبقه بندی کوتاه تجزیه و تحلیل داده ها. 1.6 نمونه هایی از استفاده از داده ها. 1.7 پروژه در تجزیه و تحلیل داده ها. 1.8 این کتاب چگونه سازماندهی شده است. 1.9 چه کسی باید این کتاب را بخواند. بخش دوم: دریافت بینش از داده ها. 2 آمار توصیفی; 2.1 انواع مقیاس; 2.2 تحلیل تک متغیره توصیفی. 2.3 تجزیه و تحلیل دو متغیره توصیفی. 2.4 اظهارات پایانی; 2.5 تمرینات؛ 3 تحلیل توصیفی چند متغیره.
Intro; Table of Contents; Preface; Part I: Introductory Background; 1 What Can We Do With Data?; 1.1 Big Data and Data Science; 1.2 Big Data Architectures; 1.3 Small Data; 1.4 What is Data?; 1.5 A Short Taxonomy of Data Analytics; 1.6 Examples of Data Use; 1.7 A Project on Data Analytics; 1.8 How this Book is Organized; 1.9 Who Should Read this Book; Part II: Getting Insights from Data; 2 Descriptive Statistics; 2.1 Scale Types; 2.2 Descriptive Univariate Analysis; 2.3 Descriptive Bivariate Analysis; 2.4 Final Remarks; 2.5 Exercises; 3 Descriptive Multivariate Analysis.
What can we do with data? --
Descriptive statistics --
Descriptive multivariate analysis --
Data quality and preprocessing --
Clustering --
Frequent pattern mining --
Cheat sheet and project on descriptive analytics --
Regression --
Classification --
Additional predictive methods --
Advanced predictive topics --
Cheat sheet and project on predictive analytics --
Applications for text, web and social media.