Data simplification : taming information with open source tools

ساده سازی داده ها: رام کردن اطلاعات با ابزارهای منبع بازبه این واقعیت ساده می پردازد که داده های مدرن برای تجزیه و تحلیل در شکل اصلی خود بسیار بزرگ و پیچیده هستند. ساده‌سازی داده‌ها فرآیندی است که در آن داده‌های بزرگ و پیچیده قابل استفاده می‌شوند. داده های پیچیده باید قبل از تجزیه و تحلیل ساده شوند، اما فرآیند ساده سازی داده ها هر چیزی جز ساده نیست و به مجموعه ای تخصصی از مهارت ها و ابزار نیاز دارد.

این کتاب روش‌ها و ابزارهایی را در اختیار دانشمندان داده‌ای از هر رشته علمی قرار می‌دهد تا داده‌های خود را برای تجزیه و تحلیل فوری یا ذخیره‌سازی طولانی‌مدت ساده‌سازی کنند، به شکلی که به راحتی قابل تغییر یا ادغام با داده‌های دیگر باشد.

ژول برمن با تکیه بر سالها تجربه عملی و با استفاده از مثال‌های متعدد و موارد استفاده، اصول، روش‌ها و ابزارهایی را که برای دستیابی به ساده‌سازی داده‌ها، ابزارهای منبع باز، ابزارهای رایگان و قطعه‌های کد باید مورد مطالعه و تسلط قرار گیرند، مورد بحث قرار می‌دهد. که می‌توانند برای ساده‌سازی داده‌ها، پردازش زبان طبیعی و ترجمه ماشینی به‌عنوان ابزاری برای ساده‌سازی داده‌ها، و خلاصه‌سازی و تجسم داده‌ها و نقشی که در مفید ساختن داده‌ها برای کاربر نهایی ایفا می‌کنند، مورد استفاده مجدد قرار گیرند.

< li>اصول، روش‌ها و ابزار ساده‌سازی داده‌ها را مورد بحث قرار می‌دهد که باید مورد مطالعه و تسلط قرار گیرند
• ابزارهای منبع باز، برنامه‌های کاربردی رایگان و قطعه‌هایی از کد را ارائه می‌دهد که می‌توانند برای ساده‌سازی داده‌ها مجددا استفاده شوند و مجدداً استفاده شوند.
• li>نحوه بهترین استفاده از نمایه ها برای جستجو، بازیابی و تجزیه و تحلیل داده های متنی را توضیح می دهد
• به دانشمند داده نشان می دهد که چگونه هستی شناسی ها، طبقه بندی ها، کلاس ها، ویژگی ها و نمونه ها را با استفاده از روش های آزمایش شده و واقعی به داده ها اعمال کند
• li>

Data Simplification: Taming Information With Open Source Tools addressesthe simple fact that modern data is too big and complex to analyze in its native form. Data simplification is the process whereby large and complex data is rendered usable. Complex data must be simplified before it can be analyzed, but the process of data simplification is anything but simple, requiring a specialized set of skills and tools.

This book provides data scientists from every scientific discipline with the methods and tools to simplify their data for immediate analysis or long-term storage in a form that can be readily repurposed or integrated with other data.

Drawing upon years of practical experience, and using numerous examples and use cases, Jules Berman discusses the principles, methods, and tools that must be studied and mastered to achieve data simplification, open source tools, free utilities and snippets of code that can be reused and repurposed to simplify data, natural language processing and machine translation as a tool to simplify data, and data summarization and visualization and the role they play in making data useful for the end user.

• Discusses data simplification principles, methods, and tools that must be studied and mastered
• Provides open source tools, free utilities, and snippets of code that can be reused and repurposed to simplify data
• Explains how to best utilize indexes to search, retrieve, and analyze textual data
• Shows the data scientist how to apply ontologies, classifications, classes, properties, and instances to data using tried and true methods