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: Nina Zumel. John Mount
سری:
ISBN (شابک) : 9781617291562
ناشر: Manning
سال نشر: 2014
تعداد صفحات: 417
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 21 مگابایت
در صورت تبدیل فایل کتاب Practical 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 عملی 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.
تحلیلگران و توسعه دهندگان کسب و کار به طور فزاینده ای در حال جمع آوری، سرپرستی، تجزیه و تحلیل و گزارش داده های مهم تجاری هستند. زبان R و ابزارهای مرتبط با آن راهی ساده برای مقابله با وظایف روزانه علم داده بدون تئوری آکادمیک زیاد یا ریاضیات پیشرفته ارائه میکنند. Practical Data Science با R به شما نشان می دهد که چگونه از زبان برنامه نویسی R و تکنیک های آماری مفید در موقعیت های تجاری روزمره استفاده کنید. با استفاده از مثالهایی از بازاریابی، هوش تجاری و پشتیبانی تصمیم، به شما نشان میدهد که چگونه آزمایشها (مانند تستهای A/B) را طراحی کنید، مدلهای پیشبینیکننده بسازید و نتایج را به مخاطبان در همه سطوح ارائه کنید.
Business analysts and developers are increasingly collecting, curating, analyzing, and reporting on crucial business data. The R language and its associated tools provide a straightforward way to tackle day-to-day data science tasks without a lot of academic theory or advanced mathematics. Practical Data Science with R shows you how to apply the R programming language and useful statistical techniques to everyday business situations. Using examples from marketing, business intelligence, and decision support, it shows you how to design experiments (such as A/B tests), build predictive models, and present results to audiences of all levels.