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: Jean-Francois Collard
سری:
ISBN (شابک) : 1032340975, 9781032340975
ناشر: CRC Press/Chapman & Hall
سال نشر: 2022
تعداد صفحات: 413
[414]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 Mb
در صورت تبدیل فایل کتاب Hands-On Data Analysis in R for Finance 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 تجزیه و تحلیل دستی داده ها در R for Finance 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.
موضوع این کتاب درسی این است که به عنوان مقدمه ای بر علم داده / تجزیه و تحلیل داده های اعمال شده در امور مالی، با استفاده از R و جدیدترین و رایگان ترین کتابخانه های افزودنی آن عمل کند. سطح علمی مورد نظر، دانشجویان کارشناسی با گرایش علوم داده و/یا امور مالی و دانشجویان فارغ التحصیل، و البته شاغلین یا متخصصانی هستند که به مرجع میز نیاز دارند.
• بدون دانش قبلی از R فرض می شود.
• محتوا در کلاس های واقعی دانشگاه تست شده است.
• خواننده را در روشهای پیشرفتهای مانند یادگیری ماشین، تجزیه و تحلیل سریهای زمانی، تجزیه و تحلیل اجزای اصلی و موارد دیگر مهارت میدهد.
• توضیحات جامع و مفصلی در مورد نحوه استفاده از جدیدترین و رایگان ترین منابع، مانند کتابخانه های مالی و آمار یا پایگاه داده باز در اینترنت ارائه می دهد.</ p>
The subject of this textbook is to act as an introduction to data science / data analysis applied to finance, using R and its most recent and freely available extension libraries. The targeted academic level is undergrad students with a major in data science and/or finance and graduate students, and of course practitioners or professionals who need a desk reference.
• Assumes no prior knowledge of R;
• The content has been tested in actual university classes;
• Makes the reader proficient in advanced methods such as machine learning, time series analysis, principal component analysis and more;
• Gives comprehensive and detailed explanations on how to use the most recent and free resources, such as financial and statistics libraries or open database on the internet.