دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Matthew A. Russell
سری:
ISBN (شابک) : 9781449367619
ناشر: O'Reilly Media
سال نشر: 2013
تعداد صفحات: 448
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 21 Mb
در صورت تبدیل فایل کتاب Mining the Social Web, 2nd Edition: Data Mining Facebook, Twitter, LinkedIn, Google+, GitHub, and More 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 معدن وب اجتماعی، نسخه دوم: داده کاوی فیس بوک، توییتر، LinkedIn، گوگل، GitHub و بیشتر 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.
چگونه میتوانید از انبوه دادههای وب اجتماعی استفاده کنید تا بفهمید چه کسی با چه کسی ارتباط برقرار میکند، درباره چه چیزی صحبت میکند و در کجا قرار دارد؟ با این نسخه توسعه یافته و کاملاً اصلاح شده، یاد خواهید گرفت که چگونه داده ها را از همه گوشه های وب اجتماعی، از جمله فیس بوک، توییتر، لینکدین، +Google، GitHub، ایمیل، وب سایت ها و وبلاگ ها به دست آورید، تجزیه و تحلیل و خلاصه کنید. کد نمونه برای این کتاب علم داده منحصر به فرد در یک مخزن عمومی GitHub نگهداری می شود. این طراحی شده است که به راحتی از طریق یک ماشین مجازی کلید در دست قابل دسترسی باشد که یادگیری تعاملی را با مجموعه ای از نوت بوک های IPython آسان می کند.
How can you tap into the wealth of social web data to discover who's making connections with whom, what they're talking about, and where they're located? With this expanded and thoroughly revised edition, you'll learn how to acquire, analyze, and summarize data from all corners of the social web, including Facebook, Twitter, LinkedIn, Google+, GitHub, email, websites, and blogs. The example code for this unique data science book is maintained in a public GitHub repository. It's designed to be easily accessible through a turnkey virtual machine that facilitates interactive learning with an easy-to-use collection of IPython Notebooks.