Haskell data analysis cookbook : explore intuitive data analysis techniques and powerful machine learning methods using over 130 practical recipes

درباره این کتاب

• راهنمای کاربردی و مختصر برای استفاده از Haskell هنگام دستیابی به دست با تجزیه و تحلیل داده ها
• دستورالعمل هایی برای هر مرحله از تجزیه و تحلیل داده ها، از جمع آوری تا تجسم
• نمونه های عمیق نشان دهنده ابزارها، راه حل ها و تکنیک های مختلف

این کتاب برای چه کسی است

این کتاب به توسعه دهندگان و تحلیلگران کاربردی نشان می دهد که چگونه از دانش موجود خود از Haskell به طور خاص برای تجزیه و تحلیل داده های با کیفیت بالا استفاده کنند. درک خوبی از مجموعه داده‌ها و برنامه‌نویسی عملکردی فرض می‌شود.

آنچه یاد خواهید گرفت

• داده‌های خام را از منابع مختلف از جمله فایل‌های متنی، فایل‌های CSV، پایگاه‌های داده، دریافت و تجزیه و تحلیل کنید. و وب سایت ها
• اجرای الگوریتم های درختی و نموداری عملی در مجموعه داده های مختلف
• استفاده از روش های آماری مانند میانگین متحرک و رگرسیون خطی برای درک الگوها
• کمانچه با موازی و همزمان کد برای سرعت بخشیدن و ساده کردن الگوریتم های وقت گیر
• یافتن خوشه ها در داده ها با استفاده از برخی از محبوب ترین الگوریتم های یادگیری ماشین
• مدیریت نتایج با تجسم یا صادرات داده ها
ul>

در جزئیات

این کتاب شما را به سفری در تمام مراحل مربوط به تجزیه و تحلیل داده ها می برد. این هم افزایی بین Haskell و مدل‌سازی داده‌ها را فراهم می‌کند، که شامل نمونه‌هایی است که با دقت انتخاب شده‌اند و برخی از محبوب‌ترین تکنیک‌های یادگیری ماشین را نشان می‌دهند.

شما با نحوه به‌دست‌آوری و پاک‌سازی داده‌ها از منابع مختلف شروع خواهید کرد. سپس یاد خواهید گرفت که چگونه از ساختارهای داده مختلف مانند درختان و نمودارها استفاده کنید. تجزیه و تحلیل داده‌ها در موضوعاتی شامل تکنیک‌های آماری، موازی‌سازی، همزمانی و الگوریتم‌های یادگیری ماشین، همراه با نمونه‌های مختلف تجسم و صادرات نتایج رخ می‌دهد. در پایان کتاب، تکنیک هایی برای به حداکثر رساندن پتانسیل خود در هنگام استفاده از Haskell برای تجزیه و تحلیل داده ها به شما قدرت داده می شود.

About This Book

• A practical and concise guide to using Haskell when getting to grips with data analysis
• Recipes for every stage of data analysis, from collection to visualization
• In-depth examples demonstrating various tools, solutions and techniques

Who This Book Is For

This book shows functional developers and analysts how to leverage their existing knowledge of Haskell specifically for high-quality data analysis. A good understanding of data sets and functional programming is assumed.

What You Will Learn

• Obtain and analyze raw data from various sources including text files, CSV files, databases, and websites
• Implement practical tree and graph algorithms on various datasets
• Apply statistical methods such as moving average and linear regression to understand patterns
• Fiddle with parallel and concurrent code to speed up and simplify time-consuming algorithms
• Find clusters in data using some of the most popular machine learning algorithms
• Manage results by visualizing or exporting data

In Detail

This book will take you on a voyage through all the steps involved in data analysis. It provides synergy between Haskell and data modeling, consisting of carefully chosen examples featuring some of the most popular machine learning techniques.

You will begin with how to obtain and clean data from various sources. You will then learn how to use various data structures such as trees and graphs. The meat of data analysis occurs in the topics involving statistical techniques, parallelism, concurrency, and machine learning algorithms, along with various examples of visualizing and exporting results. By the end of the book, you will be empowered with techniques to maximize your potential when using Haskell for data analysis.