برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Practical Data Science Cookbook

دانلود کتاب کتاب آشپزی علمی کاربردی داده ها

مشخصات کتاب

Practical Data Science Cookbook

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان: Tony Ojeda,  Sean Patrick Murphy,  Benjamin Bengfort,  Abhijit Dasgupta  
سری:  
ISBN (شابک) : 1783980249, 9781783980246 
ناشر: Packt Publishing - ebooks Account 
سال نشر: 2014 
تعداد صفحات: 396 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 48,000

کلمات کلیدی مربوط به کتاب کتاب آشپزی علمی کاربردی داده ها: کتابخانه، ادبیات کامپیوتر، پایتون

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 7

در صورت تبدیل فایل کتاب Practical Data Science Cookbook 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 کتاب آشپزی علمی کاربردی داده ها 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 کتاب آشپزی علمی کاربردی داده ها

89 دستور العمل عملی برای کمک به شما در تکمیل پروژه های علم داده در دنیای واقعی در R و Python

درباره این کتاب

بیاموزید در مورد خط لوله علم داده و استفاده از آن برای کسب، پاکسازی، تجزیه و تحلیل و تجسم داده ها
درک مفاهیم مهم در علم داده در زمینه پروژه های متعدد
مهارت های برنامه نویسی عددی خود را از طریق گسترش دهید. نمونه کدهای گام به گام و اطلاعات بیشتر در مورد ویژگی های قوی R و Python

این کتاب برای چه کسی است

اگر دانشمند داده مشتاقی هستید که می خواهید برای یادگیری علوم داده و مفاهیم برنامه نویسی عددی از طریق نمونه های عملی و واقعی پروژه، این کتاب برای شماست. چه در علم داده کاملاً تازه کار باشید یا یک متخصص با تجربه باشید، از یادگیری ساختار پروژه های علم داده، مراحل خط لوله علم داده و نمونه های برنامه نویسی ارائه شده در این کتاب بهره مند خواهید شد. از آنجایی که این کتاب به گونه‌ای طراحی شده است که شما را در پروژه‌ها با مثال‌ها و توضیحات در طول مسیر راهنمایی کند، نیازی به تجربه قبلی در برنامه‌نویسی نیست.

در جزئیات

با افزایش حجم داده‌ها، هر کدام تولید می‌شوند. سال، نیاز به تحلیل و عملیاتی کردن آن بیش از هر زمان دیگری اهمیت دارد. شرکت‌هایی که می‌دانند با داده‌های خود چه کنند، نسبت به شرکت‌هایی که نمی‌دانند، مزیت رقابتی خواهند داشت و این باعث افزایش تقاضا برای متخصصان داده‌های آگاه و شایسته می‌شود.

این کتاب با اصول اولیه شروع می‌کند. نحوه تنظیم محیط برنامه نویسی عددی خود را پوشش دهید، شما را با خط لوله علم داده (فرآیندی تکراری که توسط آن پروژه های علم داده تکمیل می شود) 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 خود را با این فرآیند آشنا خواهید کرد و یاد خواهید گرفت که چگونه آن را در موقعیت های مختلف با مثال هایی در دو زبان برنامه نویسی محبوب برای تجزیه و تحلیل داده ها - R و Python به کار ببرید.

توضیحاتی درمورد کتاب به خارجی

89 hands-on recipes to help you complete real-world data science projects in R and Python

About This Book

Learn about the data science pipeline and use it to acquire, clean, analyze, and visualize data
Understand critical concepts in data science in the context of multiple projects
Expand your numerical programming skills through step-by-step code examples and learn more about the robust features of R and Python

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 data science projects, the steps in the data science pipeline, and the programming examples presented in this book. Since the book is formatted to walk you through the projects with examples and explanations along the way, no prior programming experience is required.

In Detail

As increasing amounts of data is generated each year, the need to analyze and operationalize it is more important than ever. Companies that know what to do with their data will have a competitive advantage over companies that don't, and this will drive a higher demand for knowledgeable and competent data professionals.

Starting with the basics, this book will cover how to set up your numerical programming environment, introduce you to the data science pipeline (an iterative process by which data science projects are completed), and guide 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 in the two most popular programming languages for data analysis—R and Python.