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 Mathematica Data Analysis

دانلود کتاب تجزیه و تحلیل داده های Mathematica

Mathematica Data Analysis

مشخصات کتاب

Mathematica Data Analysis

دسته بندی: نرم افزار: سیستم ها: محاسبات علمی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 178588493X, 9781785884931 
ناشر: Packt Publishing 
سال نشر: 2015 
تعداد صفحات: 253 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت 

قیمت کتاب (تومان) : 54,000



کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های Mathematica: کتابخانه، ادبیات کامپیوتری، ریاضیات



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Mathematica Data Analysis 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 تجزیه و تحلیل داده های Mathematica 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 تجزیه و تحلیل داده های Mathematica



ویژگی های کلیدی

  • از قدرت Mathematica برای تجزیه و تحلیل داده ها در برنامه های خود استفاده کنید
  • قابلیت های طبقه بندی داده ها و تشخیص الگوی ارائه شده توسط Mathematica را کشف کنید
  • < li>از صدها الگوریتم برای تجزیه و تحلیل سری های زمانی برای پیش بینی آینده استفاده کنید

شرح کتاب

الگوریتم های زیادی برای تجزیه و تحلیل داده ها وجود دارد و همیشه نمی توان به سرعت آن را انتخاب کرد. بهترین برای هر مورد پیاده سازی الگوریتم ها زمان زیادی می برد. با کمک Mathematica، می توانید به سرعت از استفاده از یک روش خاص نتیجه بگیرید، زیرا این سیستم تقریباً تمام الگوریتم های شناخته شده برای تجزیه و تحلیل داده ها را در خود دارد.

اگر برنامه نویس نیستید اما باید تجزیه و تحلیل داده‌ها، این کتاب قابلیت‌های Mathematica را به شما نشان می‌دهد، زمانی که فقط چند رشته کد قابل درک به حل وظایف بزرگ از مسائل آماری تا تشخیص الگو کمک می‌کند. اگر یک برنامه نویس هستید، با کمک این کتاب، نحوه استفاده از کتابخانه الگوریتم های پیاده سازی شده در Mathematica در برنامه های خود و همچنین نحوه نوشتن روش تست الگوریتم را خواهید آموخت.

با هر یک از آنها آشنا خواهید شد. فصل، شما بیشتر در دنیای ویژه Mathematica غوطه ور خواهید شد. همراه با پرس و جوهای بصری برای پردازش داده ها، ما تفاوت های ظریف و ویژگی های این سیستم را برجسته می کنیم و به شما امکان می دهد سیستم های تجزیه و تحلیل موثر بسازید.

با کمک این کتاب، نحوه بهینه سازی محاسبات را با ترکیب کتابخانه های خود با هسته Mathematica.

آنچه یاد خواهید گرفت

  • داده ها را از منابع مختلف به Mathematica وارد کنید
  • کتابخانه های خارجی را با برنامه های نوشته شده در آن پیوند دهید. Mathematica
  • طبقه بندی داده ها و تقسیم آنها به خوشه ها
  • تشخیص چهره ها، اشیاء، متن و بارکد
  • استفاده از توابع Mathematica برای تجزیه و تحلیل سری های زمانی
  • <. li>از الگوریتم‌هایی برای پردازش داده‌های آماری استفاده کنید
  • نتیجه را بر اساس مشاهدات پیش‌بینی کنید

درباره نویسنده

Sergiy Suchok</ b> در سال 2004 با درجه ممتاز از دانشکده سایبرنتیک، دانشگاه ملی تاراس شوچنکو کیف (اوکراین) فارغ التحصیل شد و از آن زمان، علاقه زیادی به فناوری اطلاعات دارد. وی در حال حاضر در بخش بانکی مشغول به کار است و دارای مدرک دکترای اقتصاد است. سرگی نویسنده بیش از 45 مقاله است و در بیش از 20 کنفرانس علمی و عملی به مدل‌سازی اقتصادی و ریاضی شرکت کرده است. تجزیه و تحلیل داده ها

  • قابلیت های گسترده برای واردات داده
  • ایجاد یک رابط برای یک برنامه خارجی
  • تجزیه و تحلیل داده ها با کمک Mathematica
  • کشف قابلیت های پیشرفته سری های زمانی
  • آزمایش فرضیه های آماری با دو کلیک
  • پیش بینی رفتار مجموعه داده
  • قیچی سنگ-کاغذ - پردازش هوشمند مجموعه داده ها

  • توضیحاتی درمورد کتاب به خارجی

    Key Features

    • Use the power of Mathematica to analyze data in your applications
    • Discover the capabilities of data classification and pattern recognition offered by Mathematica
    • Use hundreds of algorithms for time series analysis to predict the future

    Book Description

    There are many algorithms for data analysis and it's not always possible to quickly choose the best one for each case. Implementation of the algorithms takes a lot of time. With the help of Mathematica, you can quickly get a result from the use of a particular method, because this system contains almost all the known algorithms for data analysis.

    If you are not a programmer but you need to analyze data, this book will show you the capabilities of Mathematica when just few strings of intelligible code help to solve huge tasks from statistical issues to pattern recognition. If you're a programmer, with the help of this book, you will learn how to use the library of algorithms implemented in Mathematica in your programs, as well as how to write algorithm testing procedure.

    With each chapter, you'll be more immersed in the special world of Mathematica. Along with intuitive queries for data processing, we will highlight the nuances and features of this system, allowing you to build effective analysis systems.

    With the help of this book, you will learn how to optimize the computations by combining your libraries with the Mathematica kernel.

    What you will learn

    • Import data from different sources to Mathematica
    • Link external libraries with programs written in Mathematica
    • Classify data and partition them into clusters
    • Recognize faces, objects, text, and barcodes
    • Use Mathematica functions for time series analysis
    • Use algorithms for statistical data processing
    • Predict the result based on the observations

    About the Author

    Sergiy Suchok graduated in 2004 with honors from the Faculty of Cybernetics, Taras Shevchenko National University of Kyiv (Ukraine), and since then, he has a keen interest in information technology. He is currently working in the banking sector and has a PhD in Economics. Sergiy is the coauthor of more than 45 articles and has participated in more than 20 scientific and practical conferences devoted to economic and mathematical modeling.

    Table of Contents

    1. First Steps in Data Analysis
    2. Broad Capabilities for Data Import
    3. Creating an Interface for an External Program
    4. Analyzing Data with the Help of Mathematica
    5. Discovering the Advanced Capabilities of Time Series
    6. Statistical Hypothesis Testing in Two Clicks
    7. Predicting the Dataset Behavior
    8. Rock-Paper-Scissors – Intelligent Processing of Datasets


    فهرست مطالب

    Content: Cover 
    Copyright
    Credits
    About the Author
    About the Reviewer
    www.PacktPub.com
    Table of Contents
    Preface
    Chapter 1: First Steps in Data Analysis
    System installation
    Setting up the system
    The Mathematica front end and kernel
    Main features for writing expressions
    Summary
    Chapter 2: Broad Capabilities for Data Import
    Permissible data format for import
    Importing data in Mathematica
    Additional cleaning functions and data conversion
    Checkpoint 2.1 --
    time for some practice!!!
    Importing strings
    Importing data from Mathematica\'s notebooks
    Controlling data completeness
    Summary. Process models of time seriesThe moving average model
    The autoregressive process --
    AR
    The autoregression model --
    moving average (ARMA)
    The seasonal integrated autoregressive moving-average process --
    SARIMA
    Choosing the best time series process model
    Tests on stationarity, invertibility, autocorrelation, and seasonality
    Checking for stationarity
    Invertibility check
    Autocorrelation check
    Summary
    Chapter 6: Statistical Hypothesis Testing in Two Clicks
    Hypotheses about the mean
    Hypotheses about the variance
    Checking the degree of sample dependence. Hypotheses on true sample distributionSummary
    Chapter 7: Predicting the Dataset Behavior
    Classical predicting
    Image processing
    Probability automaton modelling
    Summary
    Chapter 8: Rock-Paper-Scissors --
    Intelligent Processing of Datasets
    Interface development in Mathematica
    Markov chains
    Creating a portable demonstration
    Summary
    Index.




    نظرات کاربران