مشخصات کتاب

Java: Data Science Made Easy (1)

ویرایش:  
نویسندگان: Reese. Richard M  
سری:  
ISBN (شابک) : 9781788475655, 1788479181 
ناشر: Packt Publishing 
سال نشر: 2017 
تعداد صفحات: 715 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت 

کلمات کلیدی مربوط به کتاب جاوا: علم داده آسان شده (1): است

در صورت تبدیل فایل کتاب Java: Data Science Made Easy (1) 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 جاوا: علم داده آسان شده (1) 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 جاوا: علم داده آسان شده (1)

جمع آوری داده ها، پردازش، تجزیه و تحلیل، و موارد دیگر درباره این کتاب* بلیط ورود شما به دنیای علم داده با پایداری و قدرت جاوا * کاوش، تجزیه و تحلیل و تجسم داده های خود را به طور موثر با استفاده از مثال هایی آسان* یک دوره بسیار کاربردی مجموعه گسترده ای از موضوعات را پوشش می دهد - از اصول یادگیری ماشین گرفته تا چارچوب های یادگیری عمیق و داده های بزرگ. این دوره برای توسعه دهندگان جاوا در نظر گرفته شده است که به راحتی برنامه های کاربردی را در جاوا توسعه می دهند و اکنون می خواهند وارد دنیای علم داده شوند. یا می خواهید برنامه های هوشمند بسازید. دانشمندان مشتاق داده با درک کمی از زبان برنامه نویسی جاوا نیز این کتاب را بسیار مفید خواهند یافت. اگر می‌خواهید برنامه‌های کاربردی علم داده کارآمد بسازید و آنها را در محیط سازمانی بدون تغییر پشته جاوای موجود خود بیاورید، این کتاب برای شما مناسب است! آنچه یاد خواهید گرفت* مفاهیم کلیدی علم داده را درک کنید* اکوسیستم علم داده موجود در جاوا را کاوش کنید* با APIهای جاوا و تکنیک های مورد استفاده برای انجام تجزیه و تحلیل داده کارآمد کار کنید* نحوه برخورد با مشکلات مختلف یادگیری ماشین را با جاوا بیابید* فرآیند بدون ساختار اطلاعاتی مانند متن یا تصاویر به زبان طبیعی و جستجوی خود را ایجاد کنید* یاد بگیرید چگونه با DeepLearning4j شبکه های عصبی عمیق بسازید* برنامه های کاربردی علم داده بسازید که حجم و حجم زیادی از داده ها را پردازش می کنند* استقرار مدل های علم داده برای تولید و ارزیابی عملکرد آنها در DetailData Science به استخراج دانش و بینش از طیف گسترده ای از منابع داده برای تجزیه و تحلیل الگوها یا پیش بینی رفتار آینده مربوط می شود. این رشته از طیف گسترده ای از رشته ها از جمله آمار، علوم کامپیوتر، ریاضیات، یادگیری ماشین و داده کاوی نشأت می گیرد. در این دوره، مفاهیم پایه و پیشرفته علم داده و نحوه پیاده سازی آنها با استفاده از ابزارها و کتابخانه های محبوب جاوا را پوشش می دهیم. این دوره با مقدمه ای از علم داده شروع می شود و به دنبال آن وظایف پایه علم داده جمع آوری داده ها، داده ها ارائه می شود. تمیز کردن، تجزیه و تحلیل داده ها، و تجسم داده ها. این با بحث در مورد تکنیک های آماری و موضوعات پیشرفته تر از جمله یادگیری ماشینی، شبکه های عصبی و یادگیری عمیق دنبال می شود. شما دسته‌های اصلی تجزیه و تحلیل داده‌ها از جمله داده‌های متنی، تصویری و صوتی را بررسی می‌کنید و سپس در مورد منابعی که از اجرای موازی پشتیبانی می‌کنند، بحث خواهید کرد. در طول این دوره، فصل ها یک مسئله چالش برانگیز علم داده را نشان می دهند و سپس به ارائه یک راه حل جامع و مبتنی بر جاوا برای مقابله با آن مشکل می پردازند. شما طیف گسترده ای از موضوعات را پوشش خواهید داد - از طبقه بندی و رگرسیون، تا کاهش ابعاد و خوشه بندی، یادگیری عمیق و کار با داده های بزرگ. در نهایت، راه‌های مختلف برای استقرار مدل و ارزیابی آن در تنظیمات تولید را مشاهده خواهید کرد. در پایان این دوره، در کمترین زمان با جنبه‌های مختلف علم داده با استفاده از جاوا آماده خواهید شد. این دوره شامل محتوای ممتاز از دو عنوان محبوب اخیراً منتشر شده ما: * جاوا برای علم داده * تسلط بر جاوا برای سبک و رویکرد علم داده این دوره یک رویکرد آموزشی را دنبال می کند و نمونه هایی از هر یک از مفاهیم تحت پوشش را ارائه می دهد. این کتاب با سبک آموزشی گام به گام، جنبه های مختلف علم داده را پوشش می دهد و شما را به سرعت راه اندازی می کند.

توضیحاتی درمورد کتاب به خارجی

Data collection, processing, analysis, and moreAbout This Book* Your entry ticket to the world of data science with the stability and power of Java* Explore, analyse, and visualize your data effectively using easy-to-follow examples* A highly practical course covering a broad set of topics - from the basics of Machine Learning to Deep Learning and Big Data frameworks.Who This Book Is ForThis course is meant for Java developers who are comfortable developing applications in Java, and now want to enter the world of data science or wish to build intelligent applications. Aspiring data scientists with some understanding of the Java programming language will also find this book to be very helpful. If you are willing to build efficient data science applications and bring them in the enterprise environment without changing your existing Java stack, this book is for you! What You Will Learn* Understand the key concepts of data science* Explore the data science ecosystem available in Java* Work with the Java APIs and techniques used to perform efficient data analysis* Find out how to approach different machine learning problems with Java* Process unstructured information such as natural language text or images, and create your own search* Learn how to build deep neural networks with DeepLearning4j* Build data science applications that scale and process large amounts of data* Deploy data science models to production and evaluate their performanceIn DetailData science is concerned with extracting knowledge and insights from a wide variety of data sources to analyse patterns or predict future behaviour. It draws from a wide array of disciplines including statistics, computer science, mathematics, machine learning, and data mining. In this course, we cover the basic as well as advanced data science concepts and how they are implemented using the popular Java tools and libraries.The course starts with an introduction of data science, followed by the basic data science tasks of data collection, data cleaning, data analysis, and data visualization. This is followed by a discussion of statistical techniques and more advanced topics including machine learning, neural networks, and deep learning. You will examine the major categories of data analysis including text, visual, and audio data, followed by a discussion of resources that support parallel implementation. Throughout this course, the chapters will illustrate a challenging data science problem, and then go on to present a comprehensive, Java-based solution to tackle that problem. You will cover a wide range of topics - from classification and regression, to dimensionality reduction and clustering, deep learning and working with Big Data. Finally, you will see the different ways to deploy the model and evaluate it in production settings.By the end of this course, you will be up and running with various facets of data science using Java, in no time at all.This course contains premium content from two of our recently published popular titles:* Java for Data Science* Mastering Java for Data ScienceStyle and approachThis course follows a tutorial approach, providing examples of each of the concepts covered. With a step-by-step instructional style, this book covers various facets of data science and will get you up and running quickly.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Bones to Ashes

دانلود کتاب Top 10 coding interview problems asked in Google with solutions: Algorithmic Approach

دانلود کتاب Grokking Streaming Systems: Real-time event processing

دانلود کتاب Meeting God in Virtual Reality: Using Spiritual Practices With Media (Convergence Series.)

دانلود کتاب Collectivist Economic Planning