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: 2nd ed
نویسندگان: Nelli. Fabio
سری:
ناشر: Apress
سال نشر: 2018
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 15 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های پایتون: با پانداها، NumPy و Matplotlib: هوش مصنوعی، داده های بزرگ، پایتون (زبان برنامه کامپیوتری)
در صورت تبدیل فایل کتاب Python Data Analytics: With Pandas, NumPy, and Matplotlib 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 تجزیه و تحلیل داده های پایتون: با پانداها، NumPy و Matplotlib 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.
جدیدترین ابزارها و تکنیک های پایتون را کاوش کنید تا به شما در مقابله با دنیای جمع آوری و تجزیه و تحلیل داده ها کمک کند. محاسبات علمی را با NumPy، تجسم با matplotlib و یادگیری ماشینی را با scikit-learn مرور خواهید کرد. این ویرایش به طور کامل با محتوای جدید در تجزیه و تحلیل داده های رسانه های اجتماعی، تجزیه و تحلیل تصویر با OpenCV و کتابخانه های یادگیری عمیق به روز شده است. هر فصل شامل چندین مثال است که نحوه کار با هر کتابخانه را نشان می دهد. در قلب آن پوشش پانداها نهفته است، برای ساختارهای داده با کارایی بالا و آسان برای استفاده و ابزارهایی برای دستکاری داده ها، نویسنده فابیو نلی، به طور ماهرانه استفاده از پایتون را برای پردازش، مدیریت و بازیابی اطلاعات نشان داده است. فصلهای بعدی آنچه را که آموختهاید در تشخیص دست خط و گسترش قابلیتهای گرافیکی با کتابخانه جاوا اسکریپت D3 اعمال میکنند. چه با دادههای فروش، دادههای سرمایهگذاری، دادههای پزشکی، استفاده از صفحه وب یا سایر مجموعههای داده سروکار داشته باشید، Python Data Analytics، نسخه دوم با نمونههایی از ذخیره، دسترسی و تجزیه و تحلیل دادهها، مرجع ارزشمندی است. مقدمه ای بر تجزیه و تحلیل داده ها -- 2. مقدمه ای بر دنیای پایتون -- 3. کتابخانه NumPy -- 4. کتابخانه پانداها -- مقدمه -- 5. پانداها: خواندن و نوشتن داده ها -- 6. پانداها در عمق: دستکاری داده ها -- 7. تجسم داده ها با matplotlib -- 8. یادگیری ماشینی با scikit-learn -- 9. یادگیری عمیق با TensorFlow -- 10. یک مثال -- داده های هواشناسی -- 11. جاسازی کتابخانه جاوا اسکریپت D3 در نوت بوک IPython -- 12. شناخت ارقام دست نویس -- 13. تجزیه و تحلیل داده های متنی با NLTK -- 14. تجزیه و تحلیل تصویر و بینایی رایانه ای با OpenCV -- ضمیمه A -- ضمیمه B.
Explore the latest Python tools and techniques to help you tackle the world of data acquisition and analysis. You'll review scientific computing with NumPy, visualization with matplotlib, and machine learning with scikit-learn. This revision is fully updated with new content on social media data analysis, image analysis with OpenCV, and deep learning libraries. Each chapter includes multiple examples demonstrating how to work with each library. At its heart lies the coverage of pandas, for high-performance, easy-to-use data structures and tools for data manipulation Author Fabio Nelli expertly demonstrates using Python for data processing, management, and information retrieval. Later chapters apply what you've learned to handwriting recognition and extending graphical capabilities with the JavaScript D3 library. Whether you are dealing with sales data, investment data, medical data, web page usage, or other data sets, Python Data Analytics, Second Edition is an invaluable reference with its examples of storing, accessing, and analyzing data.;1. An Introduction to Data Analysis -- 2. Introduction to the Python's World -- 3. The NumPy Library -- 4. The pandas Library -- An Introduction -- 5. pandas: Reading and Writing Data -- 6. pandas in Depth: Data Manipulation -- 7. Data Visualization with matplotlib -- 8. Machine Learning with scikit-learn -- 9. Deep Learning with TensorFlow -- 10. An Example -- Meteorological Data -- 11. Embedding the JavaScript D3 Library in IPython Notebook -- 12. Recognizing Handwritten Digits -- 13. Textual data Analysis with NLTK -- 14. Image Analysis and Computer Vision with OpenCV -- Appendix A -- Appendix B.
1. An Introduction to Data Analysis --
2. Introduction to the Python\'s World --
3. The NumPy Library --
4. The pandas Library --
An Introduction --
5. pandas: Reading and Writing Data --
6. pandas in Depth: Data Manipulation --
7. Data Visualization with matplotlib --
8. Machine Learning with scikit-learn --
9. Deep Learning with TensorFlow --
10. An Example --
Meteorological Data --
11. Embedding the JavaScript D3 Library in IPython Notebook --
12. Recognizing Handwritten Digits --
13. Textual data Analysis with NLTK --
14. Image Analysis and Computer Vision with OpenCV --
Appendix A --
Appendix B.