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: Abhijit Dasgupta & Benjamin Bengfort & Sean Patrick Murphy & Tony Ojeda & Prabhanjan Tattar [Abhijit Dasgupta]
سری:
ناشر: Packt Publishing
سال نشر: 2017
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Practical Data Science Cookbook - Second Edition 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 Practical Data Science Cookbook - چاپ دوم 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.
بیش از 85 دستور العمل برای کمک به شما در تکمیل پروژه های علم داده در دنیای واقعی در R و Python
درباره این کتاب
به هر مرحله از خط لوله علم داده رسیدگی کنید و از آن برای به دست آوردن، تمیز کردن، تجزیه و تحلیل و تجسم داده های خود استفاده کنید
از نظریه فراتر بروید و واقعی را پیاده سازی کنید. -پروژه های جهانی در علم داده با استفاده از R و Python
دستورالعمل های ساده به شما کمک می کند تا مفاهیم محاسبات عددی را درک و پیاده سازی کنید
این کتاب برای چه کسی است
اگر شما یک دانشمند داده مشتاق هستید که میخواهید علم داده و مفاهیم برنامهنویسی عددی را از طریق نمونههای پروژه واقعی و عملی بیاموزید، این کتاب برای شما چه در علم داده کاملاً تازه کار باشید یا یک متخصص با تجربه، از یادگیری در مورد ساختار پروژه های علم داده در دنیای واقعی و نمونه های برنامه نویسی در R و Python بهره مند می شوید.
What. شما یاد خواهید گرفت
روش نصب و محیط مورد نیاز برای R و Python در پلتفرم های مختلف را بیاموزید و درک کنید
اطلاعات را آماده کنید تجزیه و تحلیل با پیاده سازی مفاهیم مختلف علوم داده مانند اکتساب، تمیز کردن و حذف از طریق R و Python
ساخت یک مدل پیش بینی و یک مدل اکتشافی
نتایج مدل خود را تجزیه و تحلیل کنید و در مورد داده های به دست آمده گزارش ایجاد کنید
روش های مختلف مبتنی بر درخت بسازید و جنگل تصادفی بسازید
از آنجایی که هر سال مقادیر فزاینده ای از داده ها تولید می شود، نیاز به تجزیه و تحلیل و ایجاد ارزش از آن بیش از هر زمان دیگری مهم است. شرکت هایی که می دانند با داده های خود چه کنند و چگونه آن را به خوبی انجام دهند، نسبت به شرکت هایی که نمی دانند، مزیت رقابتی خواهند داشت. به همین دلیل، تقاضای فزایندهای برای افرادی وجود خواهد داشت که هم تواناییهای تحلیلی و هم توانایی فنی را برای استخراج بینشهای ارزشمند از دادهها و ایجاد راهحلهای ارزشمندی که این بینشها را به کار میگیرند، وجود خواهد داشت.
از اصول اولیه، این مورد شروع میشود. این کتاب نحوه تنظیم محیط برنامه نویسی عددی خود را پوشش می دهد، شما را با خط لوله علم داده آشنا می کند و شما را از طریق چندین پروژه داده در قالب گام به گام راهنمایی می کند. با انجام متوالی مراحل هر فصل، به سرعت با این فرآیند آشنا می شوید و یاد می گیرید که چگونه آن را در موقعیت های مختلف با مثال هایی با استفاده از دو زبان برنامه نویسی محبوب برای تجزیه و تحلیل داده ها - R و Python به کار ببرید.
سبک و رویکرد
این راهنمای گام به گام برای علم داده مملو از مثالهای عملی از وظایف علم داده در دنیای واقعی است. هر دستور غذا بر روی یک کار خاص درگیر در خط لوله علم داده تمرکز دارد، از آماده سازی مجموعه داده تا تجزیه و تحلیل و تجسم
دانلود کد نمونه برای این کتاب. میتوانید فایلهای کد نمونه را برای همه کتابهای Packt که از حساب خود در http://www.PacktPub.com خریداری کردهاید دانلود کنید. اگر این کتاب را از جای دیگری خریداری کرده اید، می توانید از http://www.PacktPub.com/support دیدن کنید و برای داشتن فایل کد ثبت نام کنید.
Over 85 recipes to help you complete real-world data science projects in R and Python
About This Book
Tackle every step in the data science pipeline and use it to acquire, clean, analyze, and visualize your data
Get beyond the theory and implement real-world projects in data science using R and Python
Easy-to-follow recipes will help you understand and implement the numerical computing concepts
Who This Book Is For
If you are an aspiring data scientist who wants to learn data science and numerical programming concepts through hands-on, real-world project examples, this is the book for you. Whether you are brand new to data science or you are a seasoned expert, you will benefit from learning about the structure of real-world data science projects and the programming examples in R and Python.
What You Will Learn
Learn and understand the installation procedure and environment required for R and Python on various platforms
Prepare data for analysis by implement various data science concepts such as acquisition, cleaning and munging through R and Python
Build a predictive model and an exploratory model
Analyze the results of your model and create reports on the acquired data
Build various tree-based methods and Build random forest
In Detail
As increasing amounts of data are generated each year, the need to analyze and create value out of it is more important than ever. Companies that know what to do with their data and how to do it well will have a competitive advantage over companies that don’t. Because of this, there will be an increasing demand for people that possess both the analytical and technical abilities to extract valuable insights from data and create valuable solutions that put those insights to use.
Starting with the basics, this book covers how to set up your numerical programming environment, introduces you to the data science pipeline, and guides you through several data projects in a step-by-step format. By sequentially working through the steps in each chapter, you will quickly familiarize yourself with the process and learn how to apply it to a variety of situations with examples using the two most popular programming languages for data analysis—R and Python.
Style and approach
This step-by-step guide to data science is full of hands-on examples of real-world data science tasks. Each recipe focuses on a particular task involved in the data science pipeline, ranging from readying the dataset to analytics and visualization
Downloading the example code for this book. You can download the example code files for all Packt books you have purchased from your account at http://www.PacktPub.com. If you purchased this book elsewhere, you can visit http://www.PacktPub.com/support and register to have the code file.