Julia for Data Science

با جولیا در کنار خود دنیای علم داده را از ابتدا کاوش کنید

درباره این کتاب

• کاوشی عمیق در اکوسیستم بسته‌های در حال رشد جولیا
• با قوی‌ترین کتابخانه‌های منبع باز برای یادگیری عمیق، بحث و گفتگوی داده‌ها و تجسم داده‌ها کار کنید
• درباره عمیق‌تر بدانید. یادگیری با استفاده از Mocha.jl و ارائه سرعت و عملکرد بالا به تجزیه و تحلیل داده ها در مجموعه داده های بزرگ

این کتاب برای چه کسی است

این کتاب هدف آن تحلیلگران داده و دانشمندان مشتاق داده است که دانش اولیه جولیا را دارند یا کاملاً تازه کار هستند. این کتاب همچنین برای کسانی که در R و Python دارای مهارت هستند و مایلند جولیا را برای بهبود مهارت‌های خود در علم داده قبول کنند، دعوت می‌شود. اگر خوانندگان پیشینه خوبی در آمار و ریاضیات محاسباتی داشته باشند، مفید خواهد بود.

آنچه یاد خواهید گرفت

• از مدل های آماری در جولیا استفاده کنید. برای تصمیمات مبتنی بر داده
• درک فرآیند حذف داده ها و آماده سازی داده ها با استفاده از جولیا
• کاوش تکنیک هایی برای تجسم داده ها با استفاده از بسته های مبتنی بر جولیا و D3
• با استفاده از جولیا برای ایجاد سیستم های خودآموز با استفاده از الگوریتم های پیشرفته یادگیری ماشین
• ایجاد سیستم های یادگیری ماشینی تحت نظارت و بدون نظارت با استفاده از جولیا. همچنین، مدل‌های گروه را کاوش کنید
• یک موتور توصیه در جولیا بسازید
• در چارچوب یادگیری عمیق جولیا شیرجه بزنید و با استفاده از Mocha.jl یک سیستم بسازید

در جزئیات

Julia یک زبان سریع و با کارایی بالا است که کاملاً برای علم داده با یک اکوسیستم بسته بالغ مناسب است و اکنون ویژگی کامل شده است. این ابزار خوبی برای یک متخصص علوم داده است. پست معروفی در هاروارد بیزینس ریویو وجود داشت که می‌گوید دانشمند داده جذاب‌ترین شغل قرن بیست و یکم است. (https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century).

این کتاب به شما کمک می کند تا با اکوسیستم غنی جولیا آشنا شوید. ، که به طور مداوم در حال تکامل است و به شما امکان می دهد در بازی خود باقی بمانید.

این کتاب حاوی نکات ضروری علم داده است و نمای کلی سطح بالایی از آمار و تکنیک های پیشرفته را ارائه می دهد. شما وارد آن خواهید شد و با انجام آمار استنباطی روی ایجاد بینش کار خواهید کرد و الگوها و روندهای پنهان را با استفاده از داده کاوی آشکار خواهید کرد. این پوشش عملی آمار و یادگیری ماشین را دارد. دانشی را برای ساخت مدل‌های آماری و سیستم‌های یادگیری ماشین در جولیا با تجسم‌های جذاب توسعه خواهید داد.

سپس به دنیای یادگیری عمیق در جولیا خواهید پرداخت و چارچوب Mocha.jl را درک خواهید کرد که با آن می‌توانید ایجاد شبکه های عصبی مصنوعی و پیاده سازی یادگیری عمیق.

این کتاب به چالش های مسائل علم داده در دنیای واقعی، از جمله تمیز کردن داده ها، آماده سازی داده ها، آمار استنباطی، مدل سازی آماری، ساخت سیستم های یادگیری ماشینی با کارایی بالا و ایجاد تجسم های موثر با استفاده از جولیا.

سبک و رویکرد

این راهنمای عملی و آسان و در عین حال جامع به شما کمک می کند تا در مورد جولیا با توجه به علم داده هر موضوع به طور کامل توضیح داده شده و در متن قرار داده شده است. برای افراد کنجکاو تر، عمیق تر به زبان و مورد استفاده آن می پردازیم. این یک راهنمای واقعی برای کار با جولیا در علم داده است.

دانلود کد نمونه برای این کتاب. می‌توانید فایل‌های کد نمونه را برای همه کتاب‌های Packt که از حساب خود در http://www.PacktPub.com خریداری کرده‌اید دانلود کنید. اگر این کتاب را از جای دیگری خریداری کرده اید، می توانید از http://www.PacktPub.com/support دیدن کنید و برای داشتن فایل کد ثبت نام کنید.

Explore the world of data science from scratch with Julia by your side

About This Book

• An in-depth exploration of Julia's growing ecosystem of packages
• Work with the most powerful open-source libraries for deep learning, data wrangling, and data visualization
• Learn about deep learning using Mocha.jl and give speed and high performance to data analysis on large data sets

Who This Book Is For

This book is aimed at data analysts and aspiring data scientists who have a basic knowledge of Julia or are completely new to it. The book also appeals to those competent in R and Python and wish to adopt Julia to improve their skills set in Data Science. It would be beneficial if the readers have a good background in statistics and computational mathematics.

What You Will Learn

• Apply statistical models in Julia for data-driven decisions
• Understanding the process of data munging and data preparation using Julia
• Explore techniques to visualize data using Julia and D3 based packages
• Using Julia to create self-learning systems using cutting edge machine learning algorithms
• Create supervised and unsupervised machine learning systems using Julia. Also, explore ensemble models
• Build a recommendation engine in Julia
• Dive into Julia’s deep learning framework and build a system using Mocha.jl

In Detail

Julia is a fast and high performing language that's perfectly suited to data science with a mature package ecosystem and is now feature complete. It is a good tool for a data science practitioner. There was a famous post at Harvard Business Review that Data Scientist is the sexiest job of the 21st century. (https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century).

This book will help you get familiarised with Julia's rich ecosystem, which is continuously evolving, allowing you to stay on top of your game.

This book contains the essentials of data science and gives a high-level overview of advanced statistics and techniques. You will dive in and will work on generating insights by performing inferential statistics, and will reveal hidden patterns and trends using data mining. This has the practical coverage of statistics and machine learning. You will develop knowledge to build statistical models and machine learning systems in Julia with attractive visualizations.

You will then delve into the world of Deep learning in Julia and will understand the framework, Mocha.jl with which you can create artificial neural networks and implement deep learning.

This book addresses the challenges of real-world data science problems, including data cleaning, data preparation, inferential statistics, statistical modeling, building high-performance machine learning systems and creating effective visualizations using Julia.

Style and approach

This practical and easy-to-follow yet comprehensive guide will get you learning about Julia with respect to data science. Each topic is explained thoroughly and placed in context. For the more inquisitive, we dive deeper into the language and its use case. This is the one true guide to working with Julia in data science.

Downloading the example code for this book. You can download the example code files for all Packt books you have purchased from your account at http://www.PacktPub.com. If you purchased this book elsewhere, you can visit http://www.PacktPub.com/support and register to have the code file.