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
دسته بندی: سازمان و پردازش داده ها ویرایش: نویسندگان: Vitor Bianchi Lanzetta, Nataraj DasGupta, Ricardo Anjoleto Farias سری: ISBN (شابک) : 1789139406, 9781789139402 ناشر: Packt Publishing سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Hands-On Data Science with R: Techniques to perform data manipulation and mining to build smart analytical models using R 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 Hands-On Data Science with R: تکنیک هایی برای انجام دستکاری داده ها و کاوش برای ساخت مدل های تحلیلی هوشمند با استفاده از R 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.
راهنمای عملی برای حرفه ای ها برای انجام وظایف مختلف علم داده در R R پرکاربردترین زبان برنامه نویسی است و هنگامی که در ارتباط با علم داده استفاده می شود، این ترکیب قدرتمند پیچیدگی های مربوط به مجموعه داده های بدون ساختار را در دنیای واقعی حل می کند. این کتاب کل اکوسیستم علم داده را برای دانشمندان مشتاق داده پوشش می دهد، درست از صفر تا سطحی که در آن به اندازه کافی اعتماد به نفس داشته باشید تا با مشکلات علم داده در دنیای واقعی روبرو شوید. این کتاب با مقدمهای بر علم داده شروع میشود و خوانندگان را با کتابخانههای محبوب R برای اجرای کارهای روتین علم داده آشنا میکند. این کتاب تمام فرآیندهای مهم در علم داده مانند جمع آوری داده ها، پاکسازی داده ها و سپس کشف الگوها از آن را پوشش می دهد. شما الگوریتم هایی مانند الگوریتم های یادگیری ماشینی، مدل های تحلیلی پیش بینی کننده و در نهایت الگوریتم های یادگیری عمیق را بررسی خواهید کرد. شما یاد خواهید گرفت که قوی ترین بسته های تجسم موجود در R را اجرا کنید تا اطمینان حاصل کنید که به راحتی می توانید بینش را از داده های خود بدست آورید. در پایان، شما همچنین یاد خواهید گرفت که چگونه R را با Spark و Hadoop ادغام کنید و تجزیه و تحلیل داده در مقیاس بزرگ را بدون پیچیدگی زیاد انجام دهید. آنچه خواهید آموخت زبان برنامه نویسی R و اکوسیستم بسته های آن برای علم داده را درک کنید قبل از پردازش داده های خود را دریافت و پاک کنید تسلط بر تکنیک های اکتشافی ضروری برای خلاصه کردن داده ها مدلها، پیشبینیهای مختلف یادگیری ماشین را بررسی کنید برای یادگیری عمیق، پلت فرم تجزیه و تحلیل H2O را در R کاوش کنید تکنیک های داده کاوی را در مجموعه داده های موجود اعمال کنید کار با بسته های تجسم تعاملی در R R را با Spark و Hadoop برای تجزیه و تحلیل داده در مقیاس بزرگ ادغام کنید
A hands-on guide for professionals to perform various data science tasks in R R is the most widely used programming language, and when used in association with data science, this powerful combination will solve the complexities involved with unstructured datasets in the real world. This book covers the entire data science ecosystem for aspiring data scientists, right from zero to a level where you are confident enough to get hands-on with real-world data science problems. The book starts with an introduction to data science and introduces readers to popular R libraries for executing data science routine tasks. This book covers all the important processes in data science such as data gathering, cleaning data, and then uncovering patterns from it. You will explore algorithms such as machine learning algorithms, predictive analytical models, and finally deep learning algorithms. You will learn to run the most powerful visualization packages available in R so as to ensure that you can easily derive insights from your data. Towards the end, you will also learn how to integrate R with Spark and Hadoop and perform large-scale data analytics without much complexity. What you will learn Understand the R programming language and its ecosystem of packages for data science Obtain and clean your data before processing Master essential exploratory techniques for summarizing data Examine various machine learning prediction, models Explore the H2O analytics platform in R for deep learning Apply data mining techniques to available datasets Work with interactive visualization packages in R Integrate R with Spark and Hadoop for large-scale data analytics