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 Dimensionality Reduction in Data Science

دانلود کتاب کاهش ابعاد در علم داده

Dimensionality Reduction in Data Science

مشخصات کتاب

Dimensionality Reduction in Data Science

ویرایش:  
نویسندگان: , , , , ,   
سری:  
ISBN (شابک) : 3031053702, 9783031053702 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 276 
زبان: English 
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 Mb 

قیمت کتاب (تومان) : 31,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Dimensionality Reduction in Data Science 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 کاهش ابعاد در علم داده 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 کاهش ابعاد در علم داده

این کتاب مروری عملی و نسبتاً جامع از علم داده از طریق لنز کاهش ابعاد و همچنین تکنیک‌های عملی برای مقابله با مشکلات داده‌های جمع‌آوری‌شده در دنیای واقعی ارائه می‌کند. نتایج و راه حل های پیشرفته از آمار، علوم کامپیوتر و ریاضیات از دیدگاه یک متخصص در هر علم حوزه ای مانند زیست شناسی، امنیت سایبری، شیمی، علوم ورزشی و بسیاری دیگر توضیح داده می شود. روش‌های ارزیابی کمی و کیفی برای پیاده‌سازی و تأیید راه‌حل‌ها در دنیای واقعی که منشأ مشکلات است، توصیف شده‌اند.
قابلیت تولید، جمع‌آوری و ذخیره حجم‌های داده به ترتیب بایت‌های ترا و برون‌روی روزانه بسیار پیش‌تر است. توانایی ما برای استخراج اطلاعات مفید با منابع محاسباتی موجود برای بسیاری از حوزه‌ها.
این کتاب بر علم داده و تعریف مسئله، پاکسازی داده‌ها، انتخاب و استخراج ویژگی، روش‌های آماری، هندسی، نظری اطلاعات، بیومولکولی و روش‌های یادگیری ماشین برای ابعاد تمرکز دارد. کاهش مجموعه داده‌های بزرگ و حل مسئله، و همچنین ارزیابی مقایسه‌ای راه‌حل‌ها در یک محیط واقعی.
این کتاب متخصصانی را که در زمینه‌های مرتبط با مدرک کارشناسی در هر حوزه علمی، به ویژه کمی، کار می‌کنند، هدف قرار می‌دهد. خوانندگان باید بتوانند نمونه هایی را در این کتاب دنبال کنند که هر روش یا تکنیک را معرفی می کند. این مثال‌های انگیزشی با تعاریف دقیق مفاهیم فنی مورد نیاز و ارائه نتایج در موقعیت‌های کلی دنبال می‌شوند. این مفاهیم نیاز به درجه ای از انتزاع دارند که می توان آن را با تفسیر مجدد مفاهیم مانند مثال(های مثال) اصلی دنبال کرد. در نهایت، هر بخش با راه‌حل‌هایی برای مشکل(های) اصلی که توسط این تکنیک‌ها ارائه می‌شود، بسته می‌شود، شاید به روش‌های مختلفی برای مقایسه و مقایسه معایب/مزایا با راه‌حل‌های دیگر.


توضیحاتی درمورد کتاب به خارجی

This book provides a practical and fairly comprehensive review of Data Science through the lens of dimensionality reduction, as well as hands-on techniques to tackle problems with data collected in the real world. State-of-the-art results and solutions from statistics, computer science and mathematics are explained from the point of view of a practitioner in any domain science, such as biology, cyber security, chemistry, sports science and many others. Quantitative and qualitative assessment methods are described to implement and validate the solutions back in the real world where the problems originated.
The ability to generate, gather and store volumes of data in the order of tera- and exo bytes daily has far outpaced our ability to derive useful information with available computational resources for many domains.
This book focuses on data science and problem definition, data cleansing, feature selection and extraction, statistical, geometric, information-theoretic, biomolecular and machine learning methods for dimensionality reduction of big datasets and problem solving, as well as a comparative assessment of solutions in a real-world setting.
This book targets professionals working within related fields with an undergraduate degree in any science area, particularly quantitative. Readers should be able to follow examples in this book that introduce each method or technique. These motivating examples are followed by precise definitions of the technical concepts required and presentation of the results in general situations. These concepts require a degree of abstraction that can be followed by re-interpreting concepts like in the original example(s). Finally, each section closes with solutions to the original problem(s) afforded by these techniques, perhaps in various ways to compare and contrast dis/advantages to other solutions.





نظرات کاربران