برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Data Science at the Command Line

دانلود کتاب علوم داده در خط فرمان

مشخصات کتاب

Data Science at the Command Line

دسته بندی: برنامه نويسي
ویرایش: 1 
نویسندگان: Data Science at the Command Line: Facing the Future with Time-Tested Tools  
سری:  
ISBN (شابک) : 9781491947791 
ناشر: O’Reilly 
سال نشر: 2014 
تعداد صفحات: 212 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 32,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد

کلمات کلیدی مربوط به کتاب علوم داده در خط فرمان: لینوکس، خط فرمان، macOS، علم داده، برنامه‌نویسی، پایتون، طبقه‌بندی، خوشه‌بندی، برنامه‌نویسی موازی، تجسم داده‌ها، پایگاه‌های داده رابطه‌ای، خطوط لوله، اکسل، scikit-learn، تمیز کردن داده، جدال داده، مدل‌سازی داده، کاهش ابعاد، ولگرد، داده مجموعه، جعبه مجازی، اسکریپت پوسته

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 16

در صورت تبدیل فایل کتاب Data Science at the Command Line 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 علوم داده در خط فرمان 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 علوم داده در خط فرمان

این راهنمای عملی نشان می‌دهد که چگونه انعطاف‌پذیری خط فرمان می‌تواند به شما کمک کند دانشمند داده کارآمدتر و سازنده‌تری شوید. شما یاد خواهید گرفت که چگونه ابزارهای خط فرمان کوچک و در عین حال قدرتمند را ترکیب کنید تا داده های خود را به سرعت به دست آورید، تمیز کنید، کاوش کنید و مدل کنید. برای شروع - چه از ویندوز، OS X یا لینوکس استفاده می کنید - نویسنده Jeroen Janssens جعبه ابزار Data Science را معرفی می کند، یک محیط مجازی با نصب آسان و مملو از بیش از 80 ابزار خط فرمان. کشف کنید که چرا خط فرمان یک فناوری چابک، مقیاس پذیر و قابل توسعه است. حتی اگر از قبل با پردازش داده‌ها، مثلاً پایتون یا R راحت هستید، با استفاده از قدرت خط فرمان، گردش کار علم داده خود را تا حد زیادی بهبود می‌بخشید. • داده ها را از وب سایت ها، API ها، پایگاه های داده و صفحات گسترده دریافت کنید • عملیات اسکراب را روی متن ساده، CSV، HTML/XML و JSON انجام دهید • داده ها را کاوش کنید، آمار توصیفی را محاسبه کنید، و تجسم ایجاد کنید • گردش کار علم داده خود را با استفاده از Drake مدیریت کنید • ابزارهای قابل استفاده مجدد را از تک لاینرها و کدهای پایتون یا R موجود ایجاد کنید • خطوط لوله فشرده داده را با استفاده از GNU Parallel موازی و توزیع کنید • مدل سازی داده ها با کاهش ابعاد، خوشه بندی، رگرسیون و الگوریتم های طبقه بندی

توضیحاتی درمورد کتاب به خارجی

This hands-on guide demonstrates how the flexibility of the command line can help you become a more efficient and productive data scientist. You’ll learn how to combine small, yet powerful, command-line tools to quickly obtain, scrub, explore, and model your data. To get you started—whether you’re on Windows, OS X, or Linux—author Jeroen Janssens introduces the Data Science Toolbox, an easy-to-install virtual environment packed with over 80 command-line tools. Discover why the command line is an agile, scalable, and extensible technology. Even if you’re already comfortable processing data with, say, Python or R, you’ll greatly improve your data science workflow by also leveraging the power of the command line. • Obtain data from websites, APIs, databases, and spreadsheets • Perform scrub operations on plain text, CSV, HTML/XML, and JSON • Explore data, compute descriptive statistics, and create visualizations • Manage your data science workflow using Drake • Create reusable tools from one-liners and existing Python or R code • Parallelize and distribute data-intensive pipelines using GNU Parallel • Model data with dimensionality reduction, clustering, regression, and classification algorithms