Principles of Data Science

تکنیک‌ها و ریاضیاتی را که برای درک داده‌های خود به آن نیاز دارید بیاموزیددرباره این کتاب دانش خود را در زمینه کدنویسی با تئوری علم داده برای بینش عملی در علم داده و تجزیه و تحلیل بیشتر از یک کلاس ریاضی، یاد بگیرید که چگونه برای انجام وظایف علم داده در دنیای واقعی با R و Python ایجاد بینش عملی و تبدیل داده‌های خام به ارزش ملموس. شما باید تمایل داشته باشید که تکنیک های ارائه شده در این کتاب را بر روی مجموعه داده های خود یا آنهایی که در اختیار شما قرار می دهد، یاد بگیرید و به کار ببرید. اگر مهارت های ریاضی پایه را دارید اما می خواهید آنها را در علم داده به کار ببرید یا مهارت های برنامه نویسی خوبی دارید اما ریاضی ندارید، پس این کتاب برای شما مناسب است. بیاموزید چگونه با دقت آن را مدیریت کنید فاصله بین ریاضیات و برنامه نویسی را پر کنید درباره احتمال، حساب دیفرانسیل و انتگرال، و نحوه استفاده از مدل های آماری برای کنترل و تمیز کردن داده ها و ایجاد نتایج قابل اجرا بیاموزید. مدل‌های یادگیری ماشینی شما تجسم‌های داده‌ای ایجاد کنید که بینش‌های عملی را به شما منتقل کند مفاهیم یادگیری ماشین را برای مشکلات خود بخوانید و به کار ببرید و پیش‌بینی‌های واقعی انجام دهید. اصول علم داده ایجاد شده است تا به شما کمک کند نقاط بین ریاضیات، برنامه نویسی و تجزیه و تحلیل کسب و کار را بپیوندید. با این کتاب، از پرسیدن و پاسخ دادن به سؤالات پیچیده و پیچیده از داده‌های خود اطمینان خواهید داشت تا از آمار انتزاعی و خام به ایده‌های عملی بروید. این کتاب با رویکردی منحصربه‌فرد که شکاف بین ریاضیات و علوم رایانه را پر می‌کند. شما از طریق کل خط لوله علم داده. با شروع تمیز کردن و آماده‌سازی داده‌ها، و استراتژی‌ها و تکنیک‌های موثر داده‌کاوی، به ایجاد تصویری جامع از نحوه تناسب هر قطعه از پازل علم داده با یکدیگر ادامه خواهید داد. اصول ریاضیات محاسباتی و آمار و همچنین برخی شبه کدهایی که امروزه توسط دانشمندان داده و تحلیلگران استفاده می شود را بیاموزید. با یادگیری ماشینی آشنا خواهید شد، مدل‌های آماری را کشف خواهید کرد که به شما کمک می‌کنند کنترل را در دست بگیرید و حتی متراکم‌ترین مجموعه‌های داده را هدایت کنید، و دریابید که چگونه تجسم‌های قدرتمندی ایجاد کنید که معنای داده‌های شما را بیان می‌کند. سبک و رویکرد این یک روش آسان است آموزش قابل درک و در دسترس این یک راهنمای گام به گام با موارد استفاده، مثال ها و تصاویر است تا شما را به خوبی با مفاهیم علم داده آشنا کند. این کتاب همراه با توضیح اصول اولیه، در ادامه شما را با مفاهیم کمی پیشرفته نیز آشنا می کند و به شما کمک می کند تا این تکنیک ها را در دنیای واقعی پیاده سازی کنید.

Learn the techniques and math you need to start making sense of your dataAbout This BookEnhance your knowledge of coding with data science theory for practical insight into data science and analysisMore than just a math class, learn how to perform real-world data science tasks with R and PythonCreate actionable insights and transform raw data into tangible valueWho This Book Is ForYou should be fairly well acquainted with basic algebra and should feel comfortable reading snippets of R/Python as well as pseudo code. You should have the urge to learn and apply the techniques put forth in this book on either your own data sets or those provided to you. If you have the basic math skills but want to apply them in data science or you have good programming skills but lack math, then this book is for you.What You Will LearnGet to know the five most important steps of data scienceUse your data intelligently and learn how to handle it with careBridge the gap between mathematics and programming Learn about probability, calculus, and how to use statistical models to control and clean your data and drive actionable resultsBuild and evaluate baseline machine learning modelsExplore the most effective metrics to determine the success of your machine learning modelsCreate data visualizations that communicate actionable insightsRead and apply machine learning concepts to your problems and make actual predictionsIn DetailNeed to turn your skills at programming into effective data science skills? Principles of Data Science is created to help you join the dots between mathematics, programming, and business analysis. With this book, you'll feel confident about asking—and answering—complex and sophisticated questions of your data to move from abstract and raw statistics to actionable ideas.With a unique approach that bridges the gap between mathematics and computer science, this books takes you through the entire data science pipeline. Beginning with cleaning and preparing data, and effective data mining strategies and techniques, you'll move on to build a comprehensive picture of how every piece of the data science puzzle fits together. Learn the fundamentals of computational mathematics and statistics, as well as some pseudocode being used today by data scientists and analysts. You'll get to grips with machine learning, discover the statistical models that help you take control and navigate even the densest datasets, and find out how to create powerful visualizations that communicate what your data means.Style and approachThis is an easy-to-understand and accessible tutorial. It is a step-by-step guide with use cases, examples, and illustrations to get you well-versed with the concepts of data science. Along with explaining the fundamentals, the book will also introduce you to slightly advanced concepts later on and will help you implement these techniques in the real world.