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: Luiz Paulo Favero, Patricia Belfiore, Rafael de Freitas Souza سری: ISBN (شابک) : 012824271X, 9780128242711 ناشر: Academic Press سال نشر: 2023 تعداد صفحات: 660 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 155 Mb
در صورت تبدیل فایل کتاب Data Science, Analytics and Machine Learning with R 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 علم داده، تجزیه و تحلیل و یادگیری ماشین با R 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.
علم داده، تجزیه و تحلیل و یادگیری ماشین با R اصول داده کاوی و تکنیک های یادگیری ماشین را توضیح می دهد و بر اهمیت مدل سازی کاربردی و چند متغیره تاکید می کند. این کتاب بر مبانی هر تکنیک، با کدهای گام به گام و مثالهای واقعی با دادههایی از حوزههایی مانند پزشکی و بهداشت، زیستشناسی، مهندسی، فناوری و علوم مرتبط تأکید میکند. نمونهها از جدیدترین نحو زبان R، با بستههای قوی، گسترده و فعلی استفاده میکنند. اسکریپتهای کد به طور کامل اظهار نظر میشوند و برای خوانندگان روشن میشود که در هر دستور چه اتفاقی میافتد. برای جمع آوری داده ها، به خوانندگان آموزش داده می شود که چگونه ربات های خود را از همان ابتدا بسازند. علاوه بر این، یک فصل کامل بر مفهوم تحلیل فضایی تمرکز دارد و به خوانندگان این امکان را میدهد تا نقشههای خود را از طریق دادههای ارجاعشده جغرافیایی (مانند تحقیقات اپیدمیولوژیک) و برخی تکنیکهای آماری پایه بسازند. فصلهای دیگر مدلسازی گروهی و بالا بردن و تخمینهای GLMM (مدلهای ترکیبی خطی تعمیمیافته)، خطی و غیرخطی را پوشش میدهند. مروری جامع و کاربردی از تکنیکهای یادگیری ماشین، دادهکاوی و هوش مصنوعی برای مخاطبان چند رشتهای ارائه میکند. به خوانندگان علاقهمند به آمار، تجزیه و تحلیل و مدلسازی، و کسانی که مایلند دانش خود را در برنامهنویسی از طریق استفاده از R تعمیق بخشند، به خوانندگان میآموزد که چگونه استفاده از تکنیکهای یادگیری ماشین در طیف گستردهای از دادهها و حوزههای موضوعی، دادهها را به شیوهای گرافیکی جذاب ارائه میکند و شفافیت اطلاعات و یادگیری تعاملی را ارتقا میدهد.
Data Science, Analytics and Machine Learning with R explains the principles of data mining and machine learning techniques and accentuates the importance of applied and multivariate modeling. The book emphasizes the fundamentals of each technique, with step-by-step codes and real-world examples with data from areas such as medicine and health, biology, engineering, technology and related sciences. Examples use the most recent R language syntax, with recognized robust, widespread and current packages. Code scripts are exhaustively commented, making it clear to readers what happens in each command. For data collection, readers are instructed how to build their own robots from the very beginning. In addition, an entire chapter focuses on the concept of spatial analysis, allowing readers to build their own maps through geo-referenced data (such as in epidemiologic research) and some basic statistical techniques. Other chapters cover ensemble and uplift modeling and GLMM (Generalized Linear Mixed Models) estimations, both linear and nonlinear. Presents a comprehensive and practical overview of machine learning, data mining and AI techniques for a broad multidisciplinary audience Serves readers who are interested in statistics, analytics and modeling, and those who wish to deepen their knowledge in programming through the use of R Teaches readers how to apply machine learning techniques to a wide range of data and subject areas Presents data in a graphically appealing way, promoting greater information transparency and interactive learning