دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Introduction to Statistical and Machine Learning Methods for Data Science
دانلود کتاب مقدمه ای بر روش های آماری و یادگیری ماشین برای علم داده
مشخصات کتاب
Introduction to Statistical and Machine Learning Methods for Data Science
ویرایش: نویسندگان: Carlos Reis Pinheiro, Mike Patetta سری: ISBN (شابک) : 9781953329622, 9781953329615 ناشر: SAS Institute سال نشر: 2021 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
قیمت کتاب (تومان) : 40,000
در صورت تبدیل فایل کتاب Introduction to Statistical and Machine Learning Methods for Data Science 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 مقدمه ای بر روش های آماری و یادگیری ماشین برای علم داده 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.
توضیحاتی در مورد کتاب مقدمه ای بر روش های آماری و یادگیری ماشین برای علم داده
درک خود را از تکنیک های علم داده برای حل مشکلات دنیای واقعی تقویت کنید علم داده یک زمینه هیجان انگیز و بین رشته ای است که بینش هایی را از داده ها برای حل مشکلات تجاری استخراج می کند. این کتاب تکنیک‌ها و روش‌های رایج علم داده را معرفی می‌کند و به شما نشان می‌دهد که چگونه آنها را در مطالعات موردی در دنیای واقعی به کار ببرید. از آماده‌سازی و کاوش داده‌ها گرفته تا ارزیابی و استقرار مدل، این کتاب هر مرحله از چرخه حیات تجزیه و تحلیل را شرح می‌دهد، از جمله مروری جامع از تکنیک‌های یادگیری ماشین بدون نظارت و نظارت. این کتاب شما را از طریق مراحل لازم برای انتخاب بهترین تکنیک‌ها و مدل‌ها و سپس پیاده‌سازی آن مدل‌ها برای رفع موفقیت‌آمیز نیاز اصلی کسب‌وکار راهنمایی می‌کند. هیچ نرم افزاری در کتاب نشان داده نشده است و جزئیات ریاضی به حداقل رسیده است. این به شما این امکان را می دهد که بدون توجه به سابقه یا سطح تجربه ای که دارید، درک درستی از اصول علم داده ایجاد کنید.
توضیحاتی درمورد کتاب به خارجی
Boost your understanding of data science techniques to solve real-world problems Data science is an exciting, interdisciplinary field that extracts insights from data to solve business problems. This book introduces common data science techniques and methods and shows you how to apply them in real-world case studies. From data preparation and exploration to model assessment and deployment, this book describes every stage of the analytics life cycle, including a comprehensive overview of unsupervised and supervised machine learning techniques. The book guides you through the necessary steps to pick the best techniques and models and then implement those models to successfully address the original business need. No software is shown in the book, and mathematical details are kept to a minimum. This allows you to develop an understanding of the fundamentals of data science, no matter what background or experience level you have.
