Mastering Python for Data Science

دنیای علم داده را از طریق پایتون کاوش کنید و بیاموزید که چگونه داده ها را درک کنید

درباره این کتاب

• تسلط بر روش های علم داده با استفاده از پایتون و کتابخانه های آن
• ایجاد تجسم داده ها و استخراج الگوها
• تکنیک های پیشرفته برای چهار اصل علم داده با پایتون - داده کاوی ، تجزیه و تحلیل داده ها، تجسم داده ها و یادگیری ماشینی

این کتاب برای چه کسی است

اگر شما یک توسعه دهنده پایتون هستید و می خواهید تسلط داشته باشید دنیای علم داده پس این کتاب برای شماست. مقداری دانش از علم داده فرض می شود.

آنچه یاد خواهید گرفت

• مدیریت داده ها و اجرای جبر خطی در پایتون
• استنتاج از تجزیه و تحلیل با انجام آمار استنباطی
• حل مسائل علم داده در پایتون
• ایجاد تجسم های سطح بالا با استفاده از پایتون
• ارزیابی و اعمال رگرسیون خطی روشی برای تخمین روابط بین متغیرها.
• ساخت موتورهای توصیه با الگوریتم های مختلف فیلتر مشارکتی
• از روش های مجموعه برای بهبود پیش بینی های خود استفاده کنید
• کار با داده های بزرگ فن‌آوری‌هایی برای مدیریت داده‌ها در مقیاس

در جزئیات

علم داده یک حوزه دانش نسبتاً جدید است که توسط سازمان‌های مختلف برای ساخت داده‌ها استفاده می‌شود. تصمیمات هدایت شده دانشمندان داده برای کار با داده ها و به دست آوردن ارزش از آنها باید کلاه های مختلفی بر سر بگذارند. زبان برنامه نویسی پایتون، فراتر از تسخیر جامعه علمی در دهه گذشته، اکنون یک ابزار ضروری برای متخصصان علم داده و ابزاری ضروری برای هر دانشمند مشتاق داده است. استفاده از پایتون محیطی سریع، قابل اعتماد، بین پلتفرمی و بالغ برای تجزیه و تحلیل داده ها، یادگیری ماشینی و حل مسئله الگوریتمی به شما ارائه می دهد.

این راهنمای جامع به شما کمک می کند تا فراتر از هیاهو حرکت کنید و از نظریه فراتر بروید. یک مطالعه پیشرفته و عملی در مورد علم داده را برای شما فراهم می کند.

با شروع اصول پایتون در علم داده، مدیریت داده ها و اجرای جبر خطی در پایتون را یاد خواهید گرفت. با انجام آمار استنباطی و استخراج داده ها برای آشکار کردن الگوها و روندهای پنهان، به استنتاج از تجزیه و تحلیل ادامه خواهید داد. شما از کتابخانه matplot برای ایجاد تجسم های سطح بالا در پایتون و کشف اصول یادگیری ماشین استفاده خواهید کرد. در مرحله بعد، تکنیک رگرسیون خطی را به کار خواهید گرفت و همچنین یاد خواهید گرفت که تکنیک رگرسیون لجستیک را در برنامه های خود اعمال کنید، قبل از ایجاد موتورهای توصیه با الگوریتم های مختلف فیلتر مشترک و بهبود پیش بینی های خود با استفاده از روش های مجموعه.

در نهایت، شما خوشه بندی K-means را همراه با تجزیه و تحلیل داده های بدون ساختار با تکنیک های متن کاوی مختلف و استفاده از قدرت پایتون در تجزیه و تحلیل داده های بزرگ انجام خواهید داد.

سبک و رویکرد</ p>

این کتاب یک راهنمای جامع و آسان در مورد علم داده با استفاده از پایتون است. موضوعات مطرح شده در کتاب همگی در سناریوهای دنیای واقعی قابل استفاده هستند.

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 به http://www.PacktPub.com/support مراجعه کرده و ثبت نام کنید تا فایل ها مستقیماً برای شما ایمیل شوند.

Explore the world of data science through Python and learn how to make sense of data

About This Book

• Master data science methods using Python and its libraries
• Create data visualizations and mine for patterns
• Advanced techniques for the four fundamentals of Data Science with Python - data mining, data analysis, data visualization, and machine learning

Who This Book Is For

If you are a Python developer who wants to master the world of data science then this book is for you. Some knowledge of data science is assumed.

What You Will Learn

• Manage data and perform linear algebra in Python
• Derive inferences from the analysis by performing inferential statistics
• Solve data science problems in Python
• Create high-end visualizations using Python
• Evaluate and apply the linear regression technique to estimate the relationships among variables.
• Build recommendation engines with the various collaborative filtering algorithms
• Apply the ensemble methods to improve your predictions
• Work with big data technologies to handle data at scale

In Detail

Data science is a relatively new knowledge domain which is used by various organizations to make data driven decisions. Data scientists have to wear various hats to work with data and to derive value from it. The Python programming language, beyond having conquered the scientific community in the last decade, is now an indispensable tool for the data science practitioner and a must-know tool for every aspiring data scientist. Using Python will offer you a fast, reliable, cross-platform, and mature environment for data analysis, machine learning, and algorithmic problem solving.

This comprehensive guide helps you move beyond the hype and transcend the theory by providing you with a hands-on, advanced study of data science.

Beginning with the essentials of Python in data science, you will learn to manage data and perform linear algebra in Python. You will move on to deriving inferences from the analysis by performing inferential statistics, and mining data to reveal hidden patterns and trends. You will use the matplot library to create high-end visualizations in Python and uncover the fundamentals of machine learning. Next, you will apply the linear regression technique and also learn to apply the logistic regression technique to your applications, before creating recommendation engines with various collaborative filtering algorithms and improving your predictions by applying the ensemble methods.

Finally, you will perform K-means clustering, along with an analysis of unstructured data with different text mining techniques and leveraging the power of Python in big data analytics.

Style and approach

This book is an easy-to-follow, comprehensive guide on data science using Python. The topics covered in the book can all be used in real world scenarios.

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 files e-mailed directly to you.