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: Idris. Ivan
سری:
ISBN (شابک) : 9781785283857, 1785283855
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات: 0
زبان: English
فرمت فایل : MOBI (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 32 مگابایت
در صورت تبدیل فایل کتاب Python data analysis cookbook: over 140 practical recipes to help you make sense of your data with ease and build production-ready data apps 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 تجزیه و تحلیل داده های پایتون: بیش از 140 دستور العمل عملی برای کمک به شما در درک آسان داده های خود و ایجاد برنامه های داده آماده برای تولید 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.
درباره این کتاب مجموعههای کلان داده را تجزیه و تحلیل کنید، تجسمهای جذاب ایجاد کنید، و انواع دادههای مختلف را دستکاری و پردازش کنید. بستهبندی شده با دستور العملهای غنی برای کمک به یادگیری و کشف الگوریتمهای شگفتانگیز برای آمار و یادگیری ماشینی. این کتاب برای این کتاب عملی و در تئوری کم است. شما باید دانش بهتری نسبت به پایتون مبتدی داشته باشید و از جبر خطی، حساب دیفرانسیل و انتگرال، یادگیری ماشین و آمار اطلاعات داشته باشید. در حالت ایده آل، شما تجزیه و تحلیل داده های پایتون را می خواندید، اما این یک الزام نیست. من همچنین کتابهای زیر را توصیه میکنم: ساختن سیستمهای یادگیری ماشین با پایتون نوشتهی Willi Richert و Luis Pedro Coelho، 2013Learning NumPy Array اثر ایوان ادریس، 2014Learning scikit-learn: Machine Learning in Python توسط Guillermo Moncecchi، 2013PranciiscoLearning و 2013ScientificiscoLearning J. Blanco-Silva، 2013 Matplotlib برای توسعه دهندگان پایتون توسط ساندرو توسی، 2009 راهنمای مبتدیان NumPy - نسخه سوم توسط ایوان ادریس، 2015NumPy کتاب آشپزی - ویرایش دوم توسط ایوان ادریس، 2015ParallovyParally2015، برنامهنویسی 2015Parallonth,Parallovinth,Parallovanth2015 برای Finance توسط Yuxing Yan، 2014 Python Text Processing with NLTK 2.0 Cookbook نوشته Jacob Perkins، 2010 What You You Learn تنظیم تجزیه و تحلیل داده های قابل تکرار پاکسازی و تبدیل داده ها استفاده از تجزیه و تحلیل آماری پیشرفته ایجاد تجسم داده های جذاب داده های تصویری داده های وب را حذف کنید و با استفاده از مجموعه های زمانی کار کنید. و تجزیه و تحلیل شبکه های اجتماعی از یادگیری ماشینی استفاده کنید و نتایج را ارزیابی کنید استفاده از موازی و همزمانی در جزئیات تجزیه و تحلیل داده ها زمینه ای است که به سرعت در حال تحول است و پایتون به عنوان زبان اصلی برای علم داده تکامل یافته است، از جمله موضوعات: تجزیه و تحلیل داده، تجسم، و یادگیری ماشین.< /span>
About This BookAnalyze Big Data sets, create attractive visualizations, and manipulate and process various data typesPacked with rich recipes to help you learn and explore amazing algorithms for statistics and machine learningAuthored by Ivan Idris, expert in python programming and proud author of eight highly reviewed booksWho This Book Is For This book is hands-on and low on theory. You should have better than beginner Python knowledge and have some knowledge of linear algebra, calculus, machine learning and statistics. Ideally, you would have read Python Data Analysis, but this is not a requirement. I also recommend the following books: Building Machine Learning Systems with Python by Willi Richert and Luis Pedro Coelho, 2013Learning NumPy Array by Ivan Idris, 2014Learning scikit-learn: Machine Learning in Python by Guillermo Moncecchi, 2013Learning SciPy for Numerical and Scientific Computing by Francisco J. Blanco-Silva, 2013Matplotlib for Python Developers by Sandro Tosi, 2009NumPy Beginner's Guide - Third Edition by Ivan Idris, 2015NumPy Cookbook - Second Edition by Ivan Idris, 2015Parallel Programming with Python by Jan Palach, 2014Python Data Visualization Cookbook by Igor Milovanovic, 2013Python for Finance by Yuxing Yan, 2014Python Text Processing with NLTK 2.0 Cookbook by Jacob Perkins, 2010What You Will LearnSet up reproducible data analysisClean and transform dataApply advanced statistical analysisCreate attractive data visualizationsWeb scrape and work with databases, Hadoop, and SparkAnalyze images and time series dataMine text and analyze social networksUse machine learning and evaluate the resultsTake advantage of parallelism and concurrencyIn Detail Data analysis is a rapidly evolving field, and Python has evolved as the primary language for data science, including topics on: data analysis, visualization, and machine learning.