Practical Data Analysis

تغییر، مدل‌سازی و تجسم داده‌های خود را از طریق پروژه‌های عملی، توسعه‌یافته در ابزارهای منبع باز

نمای کلی

• کاوش در مورد نحوه انجام داده های خود را به روش های مختلف ابتکاری تجزیه و تحلیل کنید و آنها را به بینش تبدیل کنید
• استفاده از ابزار تجسم D3.js برای تجزیه و تحلیل داده های اکتشافی را بیاموزید
• درک نحوه کار با نمودارها و تجزیه و تحلیل داده های اجتماعی< /li>
• کشف نحوه انجام تکنیک‌های جستجوی پیشرفته و اجرای MapReduce در MongoDB

در جزئیات

بسیاری از مشاغل کوچک با آن روبرو هستند حجم زیادی از داده ها، اما فاقد مهارت های داخلی برای پشتیبانی از تجزیه و تحلیل کمی است. درک چگونگی استفاده از قدرت تجزیه و تحلیل داده ها با استفاده از آخرین فناوری منبع باز می تواند آنها را به ارائه خدمات بهتر به مشتریان، تجسم نیازهای مشتری یا حتی توانایی به دست آوردن بینش تازه در مورد عملکرد محصولات قبلی هدایت کند. تجزیه و تحلیل داده های عملی کتابی ایده آل برای کاربران خانگی و مشاغل کوچک است که می خواهند داده هایی را که در اختیار دارند با حداقل دردسر برش دهند و قطعه قطعه کنند.

تحلیل داده های عملی راهنمای عملی برای درک ماهیت است. داده های شما و تبدیل آن به بینش. شما را با استفاده از تکنیک‌های یادگیری ماشین، تجزیه و تحلیل شبکه‌های اجتماعی و اقتصادسنجی آشنا می‌کند تا به مشتریان شما کمک کند تا بینش‌هایی درباره مجموعه داده‌هایی که در دست دارند به دست آورند. انجام آماده‌سازی و پردازش داده‌ها بر روی انواع مختلفی از داده‌ها مانند متن، تصاویر، نمودارها، اسناد و سری‌های زمانی نیز پوشش داده خواهد شد.

تحلیل داده‌های عملی، کاوش دقیقی از کار فعلی در تجزیه و تحلیل داده‌ها را از طریق ارائه می‌دهد. پروژه های مستقل ابتدا اصول آماده سازی و تبدیل داده ها را از طریق OpenRefine بررسی خواهید کرد. سپس با استفاده از چارچوب تجسم D3js با تجزیه و تحلیل داده های اکتشافی شروع می کنید. شما همچنین با برخی از تکنیک های یادگیری ماشینی مانند طبقه بندی، رگرسیون و خوشه بندی از طریق پروژه های عملی مانند طبقه بندی هرزنامه ها، پیش بینی قیمت طلا و یافتن خوشه ها در شبکه دوستان فیس بوک خود آشنا خواهید شد. نحوه حل مشکلات در طبقه بندی متن، شبیه سازی، پیش بینی سری های زمانی، رسانه های اجتماعی و MapReduce را از طریق پروژه های دقیق یاد خواهید گرفت. در نهایت شما با استفاده از MapReduce با حجم زیادی از داده‌های توییتر کار خواهید کرد تا تجزیه و تحلیل احساسات پیاده‌سازی شده در Python و MongoDB را انجام دهید.

تحلیل داده‌های عملی شامل ترکیبی از الگوریتم‌های با دقت انتخاب شده و پاک‌سازی داده‌ها است که به شما امکان می‌دهد داده‌های خود را تغییر دهید. به بینش.

آنچه از این کتاب خواهید آموخت

• برای به دست آوردن نتایج معنادار از پروژه های تجزیه و تحلیل داده خود با داده ها کار کنید
• داده های خود را برای یافتن روندها و همبستگی ها تجسم کنید
• موتور جستجوی شباهت تصویر خود را بسازید
• با نحوه پیش بینی مقادیر عددی از داده های سری زمانی آشنا شوید
• ایجاد یک تجسم تعاملی برای نمودار رسانه های اجتماعی شما
• کاوش در چارچوب MapReduce در MongoDB
• ایجاد شبیه سازی های تعاملی با D3js

رویکرد b>

تحلیل داده های عملی یک راهنمای عملی و گام به گام برای توانمندسازی مشاغل کوچک برای مدیریت و تجزیه و تحلیل داده های شما و استخراج اطلاعات ارزشمند از داده ها است

این کتاب برای چه کسی نوشته شده است

این کتاب برای توسعه دهندگان، کاربران کسب و کارهای کوچک و تحلیلگرانی است که می خواهند تجزیه و تحلیل داده ها و تجسم را برای شرکت خود به روشی عملی پیاده سازی کنند. شما نیازی به تجربه قبلی با تجزیه و تحلیل داده یا پردازش داده ندارید. با این حال، دانش اولیه برنامه نویسی، آمار و جبر خطی فرض شده است.

Transform, model, and visualize your data through hands-on projects, developed in open source tools

Overview

• Explore how to analyze your data in various innovative ways and turn them into insight
• Learn to use the D3.js visualization tool for exploratory data analysis
• Understand how to work with graphs and social data analysis
• Discover how to perform advanced query techniques and run MapReduce on MongoDB

In Detail

Plenty of small businesses face big amounts of data but lack the internal skills to support quantitative analysis. Understanding how to harness the power of data analysis using the latest open source technology can lead them to providing better customer service, the visualization of customer needs, or even the ability to obtain fresh insights about the performance of previous products. Practical Data Analysis is a book ideal for home and small business users who want to slice and dice the data they have on hand with minimum hassle.

Practical Data Analysis is a hands-on guide to understanding the nature of your data and turn it into insight. It will introduce you to the use of machine learning techniques, social networks analytics, and econometrics to help your clients get insights about the pool of data they have at hand. Performing data preparation and processing over several kinds of data such as text, images, graphs, documents, and time series will also be covered.

Practical Data Analysis presents a detailed exploration of the current work in data analysis through self-contained projects. First you will explore the basics of data preparation and transformation through OpenRefine. Then you will get started with exploratory data analysis using the D3js visualization framework. You will also be introduced to some of the machine learning techniques such as, classification, regression, and clusterization through practical projects such as spam classification, predicting gold prices, and finding clusters in your Facebook friends' network. You will learn how to solve problems in text classification, simulation, time series forecast, social media, and MapReduce through detailed projects. Finally you will work with large amounts of Twitter data using MapReduce to perform a sentiment analysis implemented in Python and MongoDB.

Practical Data Analysis contains a combination of carefully selected algorithms and data scrubbing that enables you to turn your data into insight.

What you will learn from this book

• Work with data to get meaningful results from your data analysis projects
• Visualize your data to find trends and correlations
• Build your own image similarity search engine
• Learn how to forecast numerical values from time series data
• Create an interactive visualization for your social media graph
• Explore the MapReduce framework in MongoDB
• Create interactive simulations with D3js

Approach

Practical Data Analysis is a practical, step-by-step guide to empower small businesses to manage and analyze your data and extract valuable information from the data

Who this book is written for

This book is for developers, small business users, and analysts who want to implement data analysis and visualization for their company in a practical way. You need no prior experience with data analysis or data processing; however, basic knowledge of programming, statistics, and linear algebra is assumed.