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: Cathy O'Neil
سری:
ISBN (شابک) : 9781449358655
ناشر: O'Reilly Media
سال نشر: 2013
تعداد صفحات: 405
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 28 مگابایت
در صورت تبدیل فایل کتاب Doing Data Science: Straight Talk from the Frontline 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 Doing Science Data: گفتگوی مستقیم از خط مقدم 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.
اکنون که مردم میدانند دادهها میتوانند در انتخابات یا مدل کسبوکار تفاوت ایجاد کنند، علم داده به عنوان یک شغل در حال افزایش است. اما چگونه میتوانید کار را در زمینهای بین رشتهای و دامنهدار که تا این حد غرق در تبلیغات است، شروع کنید؟ این کتاب روشنگر، بر اساس کلاس مقدمه ای بر علم داده دانشگاه کلمبیا، آنچه را که باید بدانید به شما می گوید. در بسیاری از این سخنرانیهای طولانی، دانشمندان داده از شرکتهایی مانند گوگل، مایکروسافت و eBay الگوریتمها، روشها و مدلهای جدیدی را با ارائه مطالعات موردی و کدی که استفاده میکنند به اشتراک میگذارند. اگر با جبر خطی، احتمالات و آمار آشنا هستید و تجربه برنامه نویسی دارید، این کتاب مقدمه ای ایده آل برای علم داده است.
Now that people are aware that data can make the difference in an election or a business model, data science as an occupation is gaining ground. But how can you get started working in a wide-ranging, interdisciplinary field that's so clouded in hype? This insightful book, based on Columbia University's Introduction to Data Science class, tells you what you need to know. In many of these chapter-long lectures, data scientists from companies such as Google, Microsoft, and eBay share new algorithms, methods, and models by presenting case studies and the code they use. If you're familiar with linear algebra, probability, and statistics, and have programming experience, this book is an ideal introduction to data science.