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: Grus, Joel [Grus, Joel] سری: ناشر: O'Reilly Media سال نشر: 2015 تعداد صفحات: 0 زبان: English فرمت فایل : AZW3 (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Data Science from Scratch: First Principles 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 علم داده از ابتدا: اولین اصول 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.
کتابخانههای علوم داده، چارچوبها، ماژولها و جعبهابزارها برای انجام علم داده عالی هستند، اما آنها همچنین راه خوبی برای فرو رفتن در این رشته بدون درک واقعی علم داده هستند. در این کتاب، خواهید آموخت که چگونه بسیاری از اساسی ترین ابزارها و الگوریتم های علم داده با پیاده سازی آنها از ابتدا کار می کنند. اگر در ریاضیات و برخی مهارت های برنامه نویسی استعداد دارید، نویسنده جوئل گروس به شما کمک می کند تا با ریاضیات و آمار در هسته علم داده راحت باشید و با مهارت های هک باید به عنوان یک دانشمند داده شروع کنید. انبوه اطلاعات درهم و برهم امروزی پاسخی به سوالاتی دارد که حتی فکرش را هم نمی کرد بپرسد. این کتاب دانش لازم را در اختیار شما میگذارد تا پاسخها را پیدا کنید.
Data science libraries, frameworks, modules, and toolkits are great for doing data science, but they're also a good way to dive into the discipline without actually understanding data science. In this book, you'll learn how many of the most fundamental data science tools and algorithms work by implementing them from scratch. If you have an aptitude for mathematics and some programming skills, author Joel Grus will help you get comfortable with the math and statistics at the core of data science, and with hacking skills you need to get started as a data scientist. Today's messy glut of data holds answers to questions no one's even thought to ask. This book provides you with the know-how to dig those answers out.