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: Benjamin Baumer, Daniel Kaplan, Nicholas Horton سری: Texts in Statistical Science ناشر: CRC سال نشر: 2017 تعداد صفحات: 578 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 91 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Modern Data Science with R 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 علم داده مدرن با R 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.
Modern Data Science with R یک کتاب درسی جامع علوم داده برای
دانشجویان کارشناسی است که تفکر آماری و محاسباتی را برای حل
مشکلات دنیای واقعی با داده ها در بر می گیرد. این کتاب به جای
تمرکز انحصاری بر مطالعات موردی یا نحو برنامهنویسی، نشان میدهد
که چگونه برنامهنویسی آماری در محیط محاسباتی پیشرفته R/RStudio
میتواند برای استخراج اطلاعات معنادار از انواع دادهها در خدمت
پرداختن به آمار متقاعدکننده استفاده شود. سوالات.
علوم داده معاصر نیاز به ادغام دقیق دانش از آمار، علوم کامپیوتر،
ریاضیات و حوزه کاربرد دارد. این کتاب به خوانندگانی که دارای
پیشینه ای در زمینه آمار و تجربه قبلی اندک در زمینه کدنویسی
هستند، کمک می کند تا مهارت های مناسب برای مقابله با پروژه های
پیچیده علم داده را توسعه دهند و تمرین کنند. این کتاب دارای
تعدادی تمرین است و دارای یک سازمان منعطف برای آموزش انواع دروس
ترم است.
Modern Data Science with R is a comprehensive data science
textbook for undergraduates that incorporates statistical and
computational thinking to solve real-world problems with data.
Rather than focus exclusively on case studies or programming
syntax, this book illustrates how statistical programming in
the state-of-the-art R/RStudio computing environment can be
leveraged to extract meaningful information from a variety of
data in the service of addressing compelling statistical
questions.
Contemporary data science requires a tight integration of
knowledge from statistics, computer science, mathematics, and a
domain of application. This book will help readers with some
background in statistics and modest prior experience with
coding develop and practice the appropriate skills to tackle
complex data science projects. The book features a number of
exercises and has a flexible organization conducive to teaching
a variety of semester courses.