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: 1
نویسندگان: coll.
سری:
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات: 0
زبان: English
فرمت فایل : AZW3 (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 32 مگابایت
کلمات کلیدی مربوط به کتاب علم داده با پایتون: پردازش داده، پایگاههای داده و کلان داده، رایانهها و فناوری، الگوریتمها، ساختارهای داده، ژنتیک، مدیریت حافظه، برنامهنویسی، رایانهها و فناوری، پایتون، زبانهای برنامهنویسی، رایانهها و فناوری، الگوریتمها، برنامهنویسی، رایانهها و فناوری، دستهبندیها، فروشگاه Kindle پایتون، زبانها و ابزارها، برنامهنویسی، رایانهها و فناوری، دستهها، فروشگاه کیندل، کسبوکار، برنامهها و نرمافزارها، رایانهها و فناوری، دستهها، فروشگاه کیندل
در صورت تبدیل فایل کتاب Data Science 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 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.
قدرت پایتون و قابلیت های قوی علم داده آن را آزاد کنید
تحلیلگران سطح ابتدایی که میخواهند وارد دنیای علم داده شوند، این دوره آموزشی را خواهند یافت. برای آشنایی با قابلیت های علم داده پایتون برای انجام تجزیه و تحلیل داده های دنیای واقعی بسیار مفید است.
دوره آموزشی Python: Real-World Data Science شما را به سفری می برد تا با درک کامل این موضوع به یک متخصص کارآمد در علم داده تبدیل شوید. مفاهیم کلیدی پایتون این مسیر یادگیری به چهار ماژول تقسیم شده است و هر ماژول به تنهایی یک دوره مینی است و با تکمیل هر یک، مهارت های کلیدی را به دست خواهید آورد و برای مطالب در ماژول بعدی آماده خواهید شد.
< p> این دوره با بررسی اصول پایتون شما شروع می شود. پس از آشنایی با مفاهیم اصلی پایتون، زمان آن فرا رسیده که وارد حوزه علم داده شوید. در ماژول دوم، نحوه انجام تجزیه و تحلیل داده ها با استفاده از پایتون را به روشی کاربردی و مبتنی بر مثال خواهید آموخت. ماژول سوم به شما یاد می دهد که چگونه برنامه های داده کاوی را با استفاده از مجموعه داده های مختلف طراحی و توسعه دهید، از طبقه بندی اولیه و تجزیه و تحلیل قرابت تا انواع داده های پیچیده تر از جمله متن، تصاویر و نمودارها شروع می شود. یادگیری ماشین و تجزیه و تحلیل پیشبینیکننده به مهمترین رویکردها برای کشف معادن طلا تبدیل شدهاند. در ماژول نهایی، جزئیات لازم در مورد مفاهیم یادگیری ماشین را مورد بحث قرار میدهیم، توضیحاتی بصری و در عین حال آموزنده در مورد نحوه عملکرد الگوریتمهای یادگیری ماشین، نحوه استفاده از آنها و مهمتر از همه، نحوه اجتناب از دامهای رایج ارائه میکنیم.< h2>سبک و رویکرداین دوره شامل تمام منابعی است که به شما کمک می کند با پایتون وارد حوزه علم داده شوید و یاد بگیرید که چگونه داده ها را معنا کنید. هدف ایجاد یک مسیر یادگیری هموار است که به شما یاد میدهد چگونه با کتابخانههای قدرتمند پایتون شروع کنید و تکنیکهای مختلف علم داده را به طور عمیق انجام دهید.
Unleash the power of Python and its robust data science capabilities
Entry-level analysts who want to enter in the data science world will find this course very useful to get themselves acquainted with Python’s data science capabilities for doing real-world data analysis.
The Python: Real-World Data Science course will take you on a journey to become an efficient data science practitioner by thoroughly understanding the key concepts of Python. This learning path is divided into four modules and each module are a mini course in their own right, and as you complete each one, you’ll have gained key skills and be ready for the material in the next module.
The course begins with getting your Python fundamentals nailed down. After getting familiar with Python core concepts, it’s time that you dive into the field of data science. In the second module, you'll learn how to perform data analysis using Python in a practical and example-driven way. The third module will teach you how to design and develop data mining applications using a variety of datasets, starting with basic classification and affinity analysis to more complex data types including text, images, and graphs. Machine learning and predictive analytics have become the most important approaches to uncover data gold mines. In the final module, we'll discuss the necessary details regarding machine learning concepts, offering intuitive yet informative explanations on how machine learning algorithms work, how to use them, and most importantly, how to avoid the common pitfalls.
This course includes all the resources that will help you jump into the data science field with Python and learn how to make sense of data. The aim is to create a smooth learning path that will teach you how to get started with powerful Python libraries and perform various data science techniques in depth.