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: برنامه نویسی: زبان های برنامه نویسی ویرایش: 1 نویسندگان: Jesus Rogel-Salazar سری: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series ISBN (شابک) : 1498742092, 9781498742092 ناشر: Chapman and Hall/CRC سال نشر: 2017 تعداد صفحات: 397 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 21 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب Data Science and Analytics با پایتون: داده کاوی، پایگاههای داده و کلان داده، رایانه و فناوری، پردازش داده، پایگاههای داده و دادههای بزرگ، رایانهها و فناوری، پایتون، زبانهای برنامهنویسی، رایانه و فناوری، ریاضیات، کاربردی، هندسه و توپولوژی، تاریخ، بینهایت، تحلیل ریاضی، ماتریس، سیستم های اعداد، محبوب و ابتدایی، مرجع، تحقیق، مطالعه و تدریس، تحولات، علوم و ریاضیات، ذخیره سازی و طراحی پایگاه داده، علوم کامپیوتر، زبان برنامه نویسی، Языки программирования, Программирование
در صورت تبدیل فایل کتاب Data Science and Analytics with Python 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 Data Science and Analytics با پایتون 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.
Data Science and Analytics with Python برای متخصصین علم داده و تجزیه و تحلیل داده ها در محیط های دانشگاهی و تجاری طراحی شده است. هدف این است که با استفاده از ابزارهای توسعه یافته در پایتون، مانند SciKit-learn، Pandas، Numpy و غیره، مفاهیم اصلی مورد استفاده در علم داده را به خواننده ارائه دهیم. استفاده از Python با توجه به محبوبیت اخیر آن در جامعه علم داده از اهمیت خاصی برخوردار است. این کتاب می تواند توسط برنامه نویسان باتجربه و تازه واردان به طور یکسان مورد استفاده قرار گیرد.
کتاب به گونه ای تنظیم شده است که فصل های جداگانه به اندازه کافی مستقل از یکدیگر باشند تا خواننده با استفاده از آن راحت باشد. مطالب به عنوان مرجع این کتاب از نقطه نظر فرآیند و نتایج بهدستآمده، علم داده و تجزیه و تحلیل چیست. ویژگی های مهم پایتون نیز پوشش داده شده است، از جمله پرایمر پایتون. عناصر اساسی یادگیری ماشین، تشخیص الگو و هوش مصنوعی که زیربنای الگوریتمها و پیادهسازیهای مورد استفاده در بقیه کتاب هستند نیز در قسمت اول کتاب آمده است.
تحلیل رگرسیون با استفاده از پایتون، تکنیکهای خوشهبندی و الگوریتمهای طبقهبندی در بخش دوم کتاب پوشش داده شده است. خوشهبندی سلسله مراتبی، درختان تصمیم، و تکنیکهای مجموعه نیز همراه با تکنیکهای کاهش ابعاد و سیستمهای توصیه مورد بررسی قرار میگیرند. الگوریتم ماشین بردار پشتیبان و ترفند هسته در قسمت آخر کتاب مورد بحث قرار گرفته است.
درباره نویسنده
دکتر Jesús Rogel-Salazar یک دانشمند ارشد داده با تجربه در این زمینه است که برای شرکت هایی مانند AKQA، IBM Data Science Studio، Dow Jones و دیگران کار می کند. او محقق مدعو در دپارتمان فیزیک در کالج امپریال لندن، انگلستان و عضو دانشکده فیزیک، نجوم و ریاضیات در دانشگاه هرتفوردشایر انگلستان است، او دکترای خود را در رشته فیزیک در امپریال کالج لندن برای کار بر روی کوانتوم دریافت کرد. اپتیک اتمی و ماده فوق سرد او از سال 2006 به عنوان مدرس ارشد ریاضیات و همچنین مشاور در صنعت مالی مشغول به کار است. او نویسنده کتاب Essential Matlab and Octave است که توسط CRC Press نیز منتشر شده است. علایق او شامل مدل سازی ریاضی، علم داده و بهینه سازی در طیف گسترده ای از کاربردها از جمله اپتیک، مکانیک کوانتومی، روزنامه نگاری داده و امور مالی است.
Data Science and Analytics with Python is designed for practitioners in data science and data analytics in both academic and business environments. The aim is to present the reader with the main concepts used in data science using tools developed in Python, such as SciKit-learn, Pandas, Numpy, and others. The use of Python is of particular interest, given its recent popularity in the data science community. The book can be used by seasoned programmers and newcomers alike.
The book is organized in a way that individual chapters are sufficiently independent from each other so that the reader is comfortable using the contents as a reference. The book discusses what data science and analytics are, from the point of view of the process and results obtained. Important features of Python are also covered, including a Python primer. The basic elements of machine learning, pattern recognition, and artificial intelligence that underpin the algorithms and implementations used in the rest of the book also appear in the first part of the book.
Regression analysis using Python, clustering techniques, and classification algorithms are covered in the second part of the book. Hierarchical clustering, decision trees, and ensemble techniques are also explored, along with dimensionality reduction techniques and recommendation systems. The support vector machine algorithm and the Kernel trick are discussed in the last part of the book.
About the Author
Dr. Jesús Rogel-Salazar is a Lead Data scientist with experience in the field working for companies such as AKQA, IBM Data Science Studio, Dow Jones and others. He is a visiting researcher at the Department of Physics at Imperial College London, UK and a member of the School of Physics, Astronomy and Mathematics at the University of Hertfordshire, UK, He obtained his doctorate in physics at Imperial College London for work on quantum atom optics and ultra-cold matter. He has held a position as senior lecturer in mathematics as well as a consultant in the financial industry since 2006. He is the author of the book Essential Matlab and Octave, also published by CRC Press. His interests include mathematical modelling, data science, and optimization in a wide range of applications including optics, quantum mechanics, data journalism, and finance.