Fundamentals of Data Science

مبانی علم داده برای دانشجویان، دانشگاهیان و شاغلین طراحی شده است که از پایه‌های اساسی مورد نیاز تا تشریح کلیه مفاهیم، ​​تکنیک‌ها و ابزارهای مورد نیاز برای درک علم داده استفاده می‌کنند.

علم داده است. یک اصطلاح جامع برای تکنیک ها و فناوری های غیر سنتی که برای جمع آوری، تجمیع، پردازش و به دست آوردن بینش از مجموعه داده های عظیم مورد نیاز است. این کتاب تمام فرآیندها، روش‌شناسی‌ها، مراحل مختلف مانند جمع‌آوری داده‌ها، پیش‌فرایند، استخراج، پیش‌بینی و ابزارهای تجسم را برای استخراج بینش از حجم وسیعی از داده‌ها با استفاده از روش‌ها، الگوریتم‌ها و فرآیندهای علمی مختلف ارائه می‌دهد

خوانندگان مراحل لازم برای ایجاد برنامه با SQl، NoSQL، Python، R، Matlab، Octave و Tablue را یاد خواهند گرفت.

این کتاب یک رویکرد گام به گام برای ساخت راه‌حل‌هایی برای کاربردهای علم داده ارائه می‌دهد. درک اصول، انجام تجزیه و تحلیل داده ها برای نوشتن کد منبع. همه مفاهیم به زبان انگلیسی ساده مورد بحث قرار می‌گیرند تا به جامعه کمک کند تا بدون دانش پیش‌نیاز زیادی به دانشمند داده تبدیل شود.

ویژگی‌ها:

< /p>

• راهبردهای ساده برای توسعه مدل‌های آماری که داده‌ها را تجزیه و تحلیل می‌کنند و الگوها، روندها و روابط را در مجموعه داده‌ها شناسایی می‌کنند.
• نقشه راه کامل به رویکرد علم داده با بخش‌های اختصاصی که شامل مبانی، روش‌شناسی و ابزار است.
• رویکرد متمرکز برای یادگیری و تمرین ابزارهای مختلف علوم داده با نمونه کد و نمونه هایی برای تمرین.
< p>
• اطلاعات به روشی در دسترس برای دانشجویان، محققان و دانشگاهیان و متخصصان ارائه می شود.

Fundamentals of Data Science is designed for students, academicians and practitioners with a complete walkthrough right from the foundational groundwork required to outlining all the concepts, techniques and tools required to understand Data Science.

Data Science is an umbrella term for the non-traditional techniques and technologies that are required to collect, aggregate, process, and gain insights from massive datasets. This book offers all the processes, methodologies, various steps like data acquisition, pre-process, mining, prediction, and visualization tools for extracting insights from vast amounts of data by the use of various scientific methods, algorithms, and processes

Readers will learn the steps necessary to create the application with SQl, NoSQL, Python, R, Matlab, Octave and Tablue.

This book provides a stepwise approach to building solutions to data science applications right from understanding the fundamentals, performing data analytics to writing source code. All the concepts are discussed in simple English to help the community to become Data Scientist without much pre-requisite knowledge.

Features :

• Simple strategies for developing statistical models that analyze data and detect patterns, trends, and relationships in data sets.
• Complete roadmap to Data Science approach with dedicatedsections which includes Fundamentals, Methodology and Tools.
• Focussed approach for learning and practice various Data Science Toolswith Sample code and examples for practice.
• Information is presented in an accessible way for students, researchers and academicians and professionals.