ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Learn Python by building data science applications: a fun, project-based guide to learning Python 3 while building real-world apps

دانلود کتاب Python را با ساختن برنامه‌های علم داده بیاموزید: راهنمای سرگرم‌کننده و مبتنی بر پروژه برای یادگیری Python 3 هنگام ساخت برنامه‌های دنیای واقعی

Learn Python by building data science applications: a fun, project-based guide to learning Python 3 while building real-world apps

مشخصات کتاب

Learn Python by building data science applications: a fun, project-based guide to learning Python 3 while building real-world apps

ویرایش:  
نویسندگان: ,   
سری:  
ISBN (شابک) : 9781789535365, 1789535360 
ناشر: Packt Publishing 
سال نشر: 2019 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت

قیمت کتاب (تومان) : 47,000



کلمات کلیدی مربوط به کتاب Python را با ساختن برنامه‌های علم داده بیاموزید: راهنمای سرگرم‌کننده و مبتنی بر پروژه برای یادگیری Python 3 هنگام ساخت برنامه‌های دنیای واقعی: علوم داده، پایتون، پایتون (زبان برنامه کامپیوتری)



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Learn Python by building data science applications: a fun, project-based guide to learning Python 3 while building real-world apps 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 Python را با ساختن برنامه‌های علم داده بیاموزید: راهنمای سرگرم‌کننده و مبتنی بر پروژه برای یادگیری Python 3 هنگام ساخت برنامه‌های دنیای واقعی 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 Python را با ساختن برنامه‌های علم داده بیاموزید: راهنمای سرگرم‌کننده و مبتنی بر پروژه برای یادگیری Python 3 هنگام ساخت برنامه‌های دنیای واقعی



درک ساختارهای زبان برنامه نویسی پایتون و استفاده از آنها برای ساخت پروژه های علم داده

ویژگی های کلیدی

  • یادگیری اصول اولیه توسعه برنامه ها با پایتون و استقرار اولین برنامه داده خود
  • اولین گام های خود را در برنامه نویسی پایتون با درک و استفاده از ساختارهای داده، متغیرها و حلقه ها بردارید
  • برای کشف اکوسیستم علم داده در پایتون به Jupyter، NumPy، Pandas، SciPy و sklearn بپردازید

توضیحات کتاب

Python پرکاربردترین زبان برنامه نویسی برای ساختن است. کاربردهای علم داده این کتاب همراه با دستورالعمل‌های گام به گام، حاوی آموزش‌های آسان برای کمک به یادگیری پایتون و توسعه پروژه‌های علم داده در دنیای واقعی است. «سس مخفی» این کتاب فهرستی از موضوعات و راه‌حل‌های انتخاب‌شده آن است که با استفاده از طیف وسیعی از پروژه‌های دنیای واقعی، گردآوری داده‌های اولیه، تجزیه و تحلیل داده‌ها و تولید را پوشش می‌دهد.

این کتاب پایتون با آشنایی شما با اصول برنامه نویسی، از متغیرها و انواع داده ها گرفته تا کلاس ها و توابع، شروع می شود. شما یاد خواهید گرفت که چگونه کدهای اصطلاحی بنویسید و آن را آزمایش و اشکال زدایی کنید، و خواهید فهمید که چگونه می توانید بسته ها ایجاد کنید یا از طیف وسیعی از بسته های داخلی استفاده کنید. همچنین با اکوسیستم گسترده بسته های علوم داده پایتون، از جمله NumPy، Pandas، scikit-learn، Altair و Datashader آشنا خواهید شد. علاوه بر این، شما قادر خواهید بود تجزیه و تحلیل داده ها را انجام دهید، مدل ها را آموزش دهید، و نتایج را تفسیر و ارتباط برقرار کنید. در نهایت، با ساختاردهی و زمان‌بندی اسکریپت‌ها با استفاده از لوئیجی و به اشتراک‌گذاری مدل‌های یادگیری ماشین خود با جهان به‌عنوان یک میکروسرویس آشنا می‌شوید.

در پایان کتاب، شما یاد خواهید گرفت. نه تنها نحوه پیاده‌سازی Python در پروژه‌های علم داده، بلکه نحوه نگهداری و طراحی آن‌ها برای مطابقت با استانداردهای برنامه‌نویسی بالا.

آنچه یاد خواهید گرفت

  • کد در پایتون با استفاده از آن Jupyter و VS Code
  • کاوش اصول کدنویسی - حلقه‌ها، متغیرها، توابع و کلاس‌ها
  • استقرار یکپارچه‌سازی مداوم با Git، Bash و DVC
  • با Pandas، NumPy و scikit-learn آشنا شوید
  • اجرای تجسم داده با Matplotlib، Altair، و Datashader
  • یک بسته از کد خود با استفاده از شعر ایجاد کنید و آن را با PyTest آزمایش کنید
  • مدل یادگیری ماشین خود را برای هر کسی با وب API در دسترس قرار دهید

Who this book برای

اگر می خواهید پایتون یا علم داده را به روشی سرگرم کننده و جذاب یاد بگیرید، این کتاب برای شماست همچنین اگر دانش‌آموز دبیرستانی، محقق، تحلیل‌گر، یا هر کسی هستید که تجربه کمی یا بدون تجربه کدنویسی دارید و به موضوع علاقه‌مند است و شجاعت یادگیری، شکست و درس گرفتن از شکست را دارید، این کتاب برای شما مفید خواهد بود. درک اولیه از نحوه کار کامپیوترها مفید خواهد بود.

دانلود کد نمونه برای این کتاب الکترونیکی: می‌توانید فایل‌های کد نمونه این کتاب الکترونیکی را در پیوند زیر دانلود کنید: https://github.com/PacktPublishing/Python-Programming-Projects-Learn-Python-37. -by-building-applications. اگر به پشتیبانی نیاز دارید، لطفاً ایمیل بزنید: customercare@packt.com


توضیحاتی درمورد کتاب به خارجی

Understand the constructs of the Python programming language and use them to build data science projects

Key Features

  • Learn the basics of developing applications with Python and deploy your first data application
  • Take your first steps in Python programming by understanding and using data structures, variables, and loops
  • Delve into Jupyter, NumPy, Pandas, SciPy, and sklearn to explore the data science ecosystem in Python

Book Description

Python is the most widely used programming language for building data science applications. Complete with step-by-step instructions, this book contains easy-to-follow tutorials to help you learn Python and develop real-world data science projects. The "secret sauce" of the book is its curated list of topics and solutions, put together using a range of real-world projects, covering initial data collection, data analysis, and production.

This Python book starts by taking you through the basics of programming, right from variables and data types to classes and functions. You'll learn how to write idiomatic code and test and debug it, and discover how you can create packages or use the range of built-in ones. You'll also be introduced to the extensive ecosystem of Python data science packages, including NumPy, Pandas, scikit-learn, Altair, and Datashader. Furthermore, you'll be able to perform data analysis, train models, and interpret and communicate the results. Finally, you'll get to grips with structuring and scheduling scripts using Luigi and sharing your machine learning models with the world as a microservice.

By the end of the book, you'll have learned not only how to implement Python in data science projects, but also how to maintain and design them to meet high programming standards.

What you will learn

  • Code in Python using Jupyter and VS Code
  • Explore the basics of coding - loops, variables, functions, and classes
  • Deploy continuous integration with Git, Bash, and DVC
  • Get to grips with Pandas, NumPy, and scikit-learn
  • Perform data visualization with Matplotlib, Altair, and Datashader
  • Create a package out of your code using poetry and test it with PyTest
  • Make your machine learning model accessible to anyone with the web API

Who this book is for

If you want to learn Python or data science in a fun and engaging way, this book is for you. You'll also find this book useful if you're a high school student, researcher, analyst, or anyone with little or no coding experience with an interest in the subject and courage to learn, fail, and learn from failing. A basic understanding of how computers work will be useful.

Downloading the example code for this ebook: You can download the example code files for this ebook on GitHub at the following link: https://github.com/PacktPublishing/Python-Programming-Projects-Learn-Python-3.7-by-building-applications. If you require support please email: customercare@packt.com



فهرست مطالب

Table of ContentsPreparing the workspaceFirst Steps in coding variables and data typesFunctionsData StructuresLoops and other compound statementsFirst script: Geocoding with Web APIsScraping Data from the Web with Beautiful Soup 4Simulation with Classes and inheritanceShell, Git, Conda, and More at Your CommandPython for Data ApplicationsData cleaning and manipulationData Exploration and VisualizationTraining a Machine Learning modelImproving your Models Metrics pipelines and experimentsPackaging and testing with poetry and pytestData Pipelines with LuigiLets build a dashboardServing models with Rest APIServerless API using ChaliceBest practices and Python performance




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی