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: Allan Visochek
سری:
ISBN (شابک) : 1787286134, 9781787286139
ناشر: Packt Publishing - ebooks Account
سال نشر: 2017
تعداد صفحات: 0
زبان: English
فرمت فایل : ZIP (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب جدال داده های عملی (کد منبع): مدلسازی و طراحی داده، پایگاههای داده و دادههای بزرگ، رایانهها و فناوری، پردازش دادهها، پایگاههای داده و دادههای بزرگ، رایانهها و فناوری
در صورت تبدیل فایل کتاب Practical Data Wrangling (source Code) 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 جدال داده های عملی (کد منبع) 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.
حدود 80 درصد از زمان تجزیه و تحلیل داده ها صرف تمیز کردن و آماده سازی داده ها برای تجزیه و تحلیل می شود. با این حال، این یک وظیفه مهم است و پیش نیاز بقیه جریان کار تجزیه و تحلیل داده ها، از جمله تجسم، تجزیه و تحلیل و گزارش است. پایتون و R به عنوان یک ابزار محبوب برای تجزیه و تحلیل دادهها در نظر گرفته میشوند و بستههایی دارند که به بهترین وجه میتوان از آنها برای دستکاری انواع مختلف دادهها، بنا به نیاز شما استفاده کرد. این کتاب تکنیکهای مختلف جدال دادهها را به شما نشان میدهد و اینکه چگونه میتوانید از قدرت بستههای پایتون و R برای پیادهسازی آنها استفاده کنید.
شما با درک فرآیند جدال دادهها شروع میکنید و پایهای محکم برای دستیابی به آن خواهید داشت. کار با انواع مختلف داده شما با ساختارهای داده های مختلف کار خواهید کرد و داده ها را از مکان های مختلف جمع آوری و تجزیه خواهید کرد. همچنین خواهید دید که چگونه می توان طرح بندی داده ها را تغییر شکل داد و مجموعه های داده را دستکاری، خلاصه و ملحق کرد. در نهایت، ما با یک آغازگر سریع در مورد دسترسی و پردازش داده ها از پایگاه های داده، انجام کاوش داده ها، و ذخیره و بازیابی سریع داده ها با استفاده از پایگاه های داده نتیجه گیری می کنیم.
این کتاب شامل مثال های عملی در مورد هر یک از این نکات با استفاده از ساده و واقعی است. مجموعه داده های جهان برای درک آسان تر به شما. در پایان کتاب، درک کاملی از تمام مفاهیم بحث و گفتگوی داده ها و نحوه اجرای آنها به بهترین شکل ممکن خواهید داشت.
Allan Visochek یک توسعه دهنده وب آزاد و تحلیلگر داده در نیوهیون، کانکتیکات است. خارج از محل کار، آلن علاقه عمیقی به یادگیری ماشین و هوش مصنوعی دارد.
آلن کاملاً از آموزش و به اشتراک گذاری دانش لذت می برد. پس از فارغ التحصیلی از برنامه Nanodegree تحلیلگر داده Udacity، او برای چند ماه به عنوان مربی انجمن و بازبینی پروژه با Udacity قرارداد داشت و به دانشجویانی که در پروژه های تجزیه و تحلیل داده کار می کردند راهنمایی می کرد. او همچنین محتوای فنی را برای LearnToProgram نوشته است.
Around 80% of time in data analysis is spent on cleaning and preparing data for analysis. This is, however, an important task, and is a prerequisite to the rest of the data analysis workflow, including visualization, analysis and reporting. Python and R are considered a popular choice of tool for data analysis, and have packages that can be best used to manipulate different kinds of data, as per your requirements. This book will show you the different data wrangling techniques, and how you can leverage the power of Python and R packages to implement them.
You’ll start by understanding the data wrangling process and get a solid foundation to work with different types of data. You’ll work with different data structures and acquire and parse data from various locations. You’ll also see how to reshape the layout of data and manipulate, summarize, and join data sets. Finally, we conclude with a quick primer on accessing and processing data from databases, conducting data exploration, and storing and retrieving data quickly using databases.
The book includes practical examples on each of these points using simple and real-world data sets to give you an easier understanding. By the end of the book, you’ll have a thorough understanding of all the data wrangling concepts and how to implement them in the best possible way.
Allan Visochek is a freelance web developer and data analyst in New Haven, Connecticut. Outside of work, Allan has a deep interest in machine learning and artificial intelligence.
Allan thoroughly enjoys teaching and sharing knowledge. After graduating from the Udacity Data Analyst Nanodegree program, he was contracted to Udacity for several months as a forum mentor and project reviewer, offering guidance to students working on data analysis projects. He has also written technical content for LearnToProgram.