دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Practical Data Science with R
دانلود کتاب علم داده عملی با R
مشخصات کتاب
Practical Data Science with R
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
قیمت کتاب (تومان) : 35,000
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.
توضیحاتی در مورد کتاب علم داده عملی با R
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.
توضیحاتی درمورد کتاب به خارجی
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.
