مشخصات کتاب

Mining the Social Web

ویرایش: 3 
نویسندگان: Mikhail Klassen. Matthew A. Russell  
سری:  
ISBN (شابک) : 9781491985045, 1491985046 
ناشر: O'Reilly Media, Inc. 
سال نشر: 2019 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 19 مگابایت 

در صورت تبدیل فایل کتاب Mining the Social Web 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 استخراج شبکه اجتماعی 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 استخراج شبکه اجتماعی

داده های غنی موجود در وب سایت های اجتماعی محبوب مانند توییتر، فیس بوک، لینکدین و اینستاگرام را استخراج کنید. با ویرایش سوم این راهنمای محبوب، دانشمندان داده، تحلیل‌گران و برنامه‌نویسان یاد می‌گیرند که چگونه با استفاده از نمونه‌های کد پایتون، بینش‌هایی را از رسانه‌های اجتماعی جمع‌آوری کنند، از جمله اینکه چه کسی با چه کسی در ارتباط است، درباره چه چیزی صحبت می‌کند و در کجا قرار دارد. ، نوت بوک های Jupyter یا ظروف Docker. در بخش یک، هر فصل مستقل بر یک جنبه از چشم انداز اجتماعی، از جمله هر یک از سایت های اجتماعی اصلی، و همچنین صفحات وب، وبلاگ ها و فیدها تمرکز می کند. صندوق‌های پستی، GitHub و فصل جدیدی که اینستاگرام را پوشش می‌دهد. بخش دوم یک کتاب آشپزی با دوجین دستور العمل کوچک برای حل مسائل خاص با توییتر ارائه می دهد. خلاصه ای ساده از منظره وب اجتماعی دریافت کنید از Docker برای اجرای آسان کدهای نمونه هر فصل، بسته بندی شده به عنوان یک نوت بوک Jupyter استفاده کنید. داده‌هایی را که جمع‌آوری می‌کنید تکنیک‌های استخراج پیشرفته مانند TFIDF، شباهت کسینوس، تجزیه و تحلیل هم‌سویی، تشخیص کلیک، و تشخیص تصویر را بکار ببرید با ابزار Python و JavaScript تجسم‌های زیبای داده بسازید.  
چکیده: داده های غنی موجود در وب سایت های اجتماعی محبوب مانند توییتر، فیس بوک، لینکدین و اینستاگرام را استخراج کنید. با ویرایش سوم این راهنمای محبوب، دانشمندان داده، تحلیل‌گران و برنامه‌نویسان یاد می‌گیرند که چگونه با استفاده از نمونه‌های کد پایتون، بینش‌هایی را از رسانه‌های اجتماعی جمع‌آوری کنند، از جمله اینکه چه کسی با چه کسی در ارتباط است، درباره چه چیزی صحبت می‌کند و در کجا قرار دارد. ، نوت بوک های Jupyter یا ظروف Docker. در بخش اول، هر فصل مستقل بر روی یک جنبه از چشم انداز اجتماعی، از جمله هر یک از سایت های اجتماعی اصلی، و همچنین صفحات وب، وبلاگ ها و فیدها، صندوق های پستی، GitHub و فصل جدیدی که اینستاگرام را پوشش می دهد، تمرکز دارد. بخش دوم یک کتاب آشپزی با دوجین دستور العمل کوچک برای حل مسائل خاص با توییتر ارائه می دهد. خلاصه ای ساده از منظره وب اجتماعی دریافت کنید از Docker برای اجرای آسان کدهای نمونه هر فصل، بسته بندی شده به عنوان یک نوت بوک Jupyter استفاده کنید. داده‌هایی که جمع‌آوری می‌کنید استفاده از تکنیک‌های پیشرفته استخراج مانند TFIDF، شباهت کسینوس، تجزیه و تحلیل هم‌سویی، تشخیص کلیک و تشخیص تصویر ایجاد تجسم‌های زیبای داده‌ها با ابزارهای Python و JavaScript

توضیحاتی درمورد کتاب به خارجی

Mine the rich data tucked away in popular social websites such as Twitter, Facebook, LinkedIn, and Instagram. With the third edition of this popular guide, data scientists, analysts, and programmers will learn how to glean insights from social media-including who's connecting with whom, what they're talking about, and where they're located-using Python code examples, Jupyter notebooks, or Docker containers. In part one, each standalone chapter focuses on one aspect of the social landscape, including each of the major social sites, as well as web pages, blogs and feeds, mailboxes, GitHub, and a newly added chapter covering Instagram. Part two provides a cookbook with two dozen bite-size recipes for solving particular issues with Twitter. Get a straightforward synopsis of the social web landscape Use Docker to easily run each chapter's example code, packaged as a Jupyter notebook Adapt and contribute to the code's open source GitHub repository Learn how to employ best-in-class Python 3 tools to slice and dice the data you collect Apply advanced mining techniques such as TFIDF, cosine similarity, collocation analysis, clique detection, and image recognition Build beautiful data visualizations with Python and JavaScript toolkits.  Read more...
Abstract: Mine the rich data tucked away in popular social websites such as Twitter, Facebook, LinkedIn, and Instagram. With the third edition of this popular guide, data scientists, analysts, and programmers will learn how to glean insights from social media-including who's connecting with whom, what they're talking about, and where they're located-using Python code examples, Jupyter notebooks, or Docker containers. In part one, each standalone chapter focuses on one aspect of the social landscape, including each of the major social sites, as well as web pages, blogs and feeds, mailboxes, GitHub, and a newly added chapter covering Instagram. Part two provides a cookbook with two dozen bite-size recipes for solving particular issues with Twitter. Get a straightforward synopsis of the social web landscape Use Docker to easily run each chapter's example code, packaged as a Jupyter notebook Adapt and contribute to the code's open source GitHub repository Learn how to employ best-in-class Python 3 tools to slice and dice the data you collect Apply advanced mining techniques such as TFIDF, cosine similarity, collocation analysis, clique detection, and image recognition Build beautiful data visualizations with Python and JavaScript toolkits

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Dragonsinger (The Harper Hall Triology)

دانلود کتاب Les Méditations du haut des cimes

دانلود کتاب Blood program in World War II

دانلود کتاب Vivre libre aves les existentialistes : Sartre, Camus, Beauvoir... et les autres

دانلود کتاب Из плена алтарей. Документальная повесть бывшего служителя культа