ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 From Scratch: First Principles With Python

دانلود کتاب علم داده از ابتدا: اولین اصول با پایتون

Data Science From Scratch: First Principles With Python

مشخصات کتاب

Data Science From Scratch: First Principles With Python

ویرایش:  
نویسندگان:   
سری:  
 
ناشر: O’Reilly Media 
سال نشر: 2015 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت

قیمت کتاب (تومان) : 38,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 3


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.


توضیحاتی در مورد کتاب علم داده از ابتدا: اولین اصول با پایتون



کتابخانه‌ها، چارچوب‌ها، ماژول‌ها و جعبه‌ابزارهای علم داده 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، شما خواهید آموخت که چگونه بسیاری از اساسی ترین ابزارها و الگوریتم های علم داده با پیاده سازی آنها از ابتدا کار می کنند.

اگر برای ریاضیات و مقداری برنامه نویسی استعداد دارید. مهارت‌ها، نویسنده جوئل گروس به شما کمک می‌کند تا با ریاضیات و آمار در هسته علم داده راحت باشید، و با مهارت‌های هک باید به عنوان یک دانشمند داده شروع به کار کنید. انبوه اطلاعات درهم و برهم امروزی پاسخی به سوالاتی دارد که حتی فکرش را هم نمی‌کردند بپرسند. این کتاب دانش لازم را در اختیار شما قرار می‌دهد تا این پاسخ‌ها را پیدا کنید.

  • یک دوره آموزشی در پایتون دریافت کنید
  • مبانی جبر خطی، آمار و احتمالات را بیاموزید - و نحوه و زمان استفاده از آنها در علم داده را بدانید
  • جمع آوری، کاوش، پاکسازی، مخفی کردن، و دستکاری داده ها
  • به اصول یادگیری ماشینی شیرجه بزنید
  • اجرای مدل هایی مانند k-nearest Neighbors، Naive Bayes، رگرسیون خطی و لجستیک، درخت تصمیم، شبکه های عصبی و خوشه بندی
  • سیستم‌های توصیه‌گر، پردازش زبان طبیعی، تحلیل شبکه، MapReduce و پایگاه‌های داده را کاوش کنید

**

درباره نویسنده

جوئل گروس یک مهندس نرم افزار در گوگل است. قبل از آن او به عنوان دانشمند داده در چندین استارتاپ کار می کرد. او در سیاتل زندگی می کند، جایی که به طور منظم در ساعات خوش علوم داده شرکت می کند. او به ندرت در joelgrus.com وبلاگ می نویسد.


توضیحاتی درمورد کتاب به خارجی

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.

  • Get a crash course in Python
  • Learn the basics of linear algebra, statistics, and probability—and understand how and when they're used in data science
  • Collect, explore, clean, munge, and manipulate data
  • Dive into the fundamentals of machine learning
  • Implement models such as k-nearest Neighbors, Naive Bayes, linear and logistic regression, decision trees, neural networks, and clustering
  • Explore recommender systems, natural language processing, network analysis, MapReduce, and databases

**

About the Author

Joel Grus is a software engineer at Google. Before that he worked as a data scientist at multiple startups. He lives in Seattle, where he regularly attends data science happy hours. He blogs infrequently at joelgrus.com.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی