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 Making Data Visual: A Practical Guide to Using Visualization for Insight

دانلود کتاب بصری سازی داده ها: راهنمای عملی استفاده از تجسم برای بصیرت

مشخصات کتاب

Making Data Visual: A Practical Guide to Using Visualization for Insight

دسته بندی: پایگاه داده ها
ویرایش: 1 
نویسندگان: Danyel Fisher. Miriah Meyer  
سری:  
ISBN (شابک) : 1491928468, 9781491928462 
ناشر: O’Reilly Media 
سال نشر: 2018 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 20 مگابایت

قیمت کتاب (تومان) : 42,000

کلمات کلیدی مربوط به کتاب بصری سازی داده ها: راهنمای عملی استفاده از تجسم برای بصیرت: داده‌کاوی، پایگاه‌های داده و کلان داده، رایانه‌ها و فناوری، پردازش داده، پایگاه‌های داده و داده‌های بزرگ، رایانه‌ها و فناوری، ذخیره‌سازی و بازیابی، مدیریت شبکه، شبکه و رایانش ابری، رایانه و فناوری، ذخیره‌سازی و طراحی پایگاه داده، علوم رایانه، جدید، کتاب های درسی استفاده شده و اجاره ای، بوتیک تخصصی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10

در صورت تبدیل فایل کتاب Making Data Visual: A Practical Guide to Using Visualization for Insight 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 بصری سازی داده ها: راهنمای عملی استفاده از تجسم برای بصیرت 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 بصری سازی داده ها: راهنمای عملی استفاده از تجسم برای بصیرت

شما انبوهی از داده ها و مجموعه ای از ابزارهای محاسباتی را در اختیار دارید. کدام بخش از داده ها واقعا مهم هستند؟ بصیرت کجا پنهان شده است؟ اگر دانشمند داده ای هستید که سعی می کنید در فضای مبهم بین داده ها و بینش پیمایش کنید، این کتاب کاربردی به شما نشان می دهد که چگونه از طریق سوالات سطح بالا، وظایف تجزیه و تحلیل داده ها به خوبی تعریف شده، و تجسم ها برای روشن شدن درک و به دست آوردن اطلاعات خود را درک کنید. بینش در طول مسیر هنگامی که در مراحل اولیه و اغلب گنجانده می شود، تجسم تکراری می تواند به شما کمک کند تا سوالاتی را که از داده های خود می پرسید اصلاح کنید. نویسندگان Danyel Fisher و Miriah Meyer مطالعات موردی مفصلی را ارائه می دهند که نشان می دهد چگونه این فرآیند می تواند در دنیای واقعی تکامل یابد. یاد خواهید گرفت: • فرآیند مشاوره داده برای حرکت از سؤالات عمومی به سؤالات دقیق تر در مورد داده های شما، و رسیدن به تجسم کاری • نقشی که نمایش های بصری در کشف داده ها دارند • انواع تجسم رایج بر اساس وظایفی که انجام می دهند و داده هایی که استفاده می کنند • تکنیک های تجسم که از چند نما و تعامل برای پشتیبانی از تجزیه و تحلیل مجموعه داده های بزرگ و پیچیده استفاده می کند

توضیحاتی درمورد کتاب به خارجی

You have a mound of data front of you and a suite of computation tools at your disposal. Which parts of the data actually matter? Where is the insight hiding? If you’re a data scientist trying to navigate the murky space between data and insight, this practical book shows you how to make sense of your data through high-level questions, well-defined data analysis tasks, and visualizations to clarify understanding and gain insights along the way. When incorporated into the process early and often, iterative visualization can help you refine the questions you ask of your data. Authors Danyel Fisher and Miriah Meyer provide detailed case studies that demonstrate how this process can evolve in the real world. You’ll learn: • The data counseling process for moving from general to more precise questions about your data, and arriving at a working visualization • The role that visual representations play in data discovery • Common visualization types by the tasks they fulfill and the data they use • Visualization techniques that use multiple views and interaction to support analysis of large, complex data sets