ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Python Data Science Essentials - Learn the fundamentals of Data Science with Python

دانلود کتاب ملزومات علوم داده Python - اصول علوم داده را با Python بیاموزید

Python Data Science Essentials - Learn the fundamentals of Data Science with Python

مشخصات کتاب

Python Data Science Essentials - Learn the fundamentals of Data Science with Python

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1785280422, 9781785280429 
ناشر: Packt Publishing 
سال نشر: 2015 
تعداد صفحات: 258 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 30,000



کلمات کلیدی مربوط به کتاب ملزومات علوم داده Python - اصول علوم داده را با Python بیاموزید: کتابخانه، ادبیات کامپیوتر، پایتون



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Python Data Science Essentials - Learn the fundamentals of Data Science with Python 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 ملزومات علوم داده Python - اصول علوم داده را با Python بیاموزید 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 ملزومات علوم داده Python - اصول علوم داده را با Python بیاموزید



ویژگی های کلیدی

  • با استفاده از Python به سرعت با علم داده آشنا شوید
  • در زمان - و تلاش - با تمام ابزارهای ضروری توضیح داده شده صرفه جویی کنید
  • ایجاد پروژه های علمی داده موثر و اجتناب از دام های رایج با کمک مثال ها و نکات دیکته شده توسط تجربه

توضیحات کتاب

کتاب با معرفی شما به تنظیم داده های ضروری شروع می شود. جعبه ابزار علم سپس شما را در تمام مراحل munging و پیش پردازش داده ها راهنمایی می کند. این به روشی انجام می شود که تمام فعالیت های اصلی علم داده مربوط به بارگذاری داده ها، تبدیل و تثبیت آن ها برای تجزیه و تحلیل، و همچنین کاوش و پردازش آن ها را توضیح دهد. در نهایت، با ارائه الگوریتم‌های اصلی یادگیری ماشین، تکنیک‌های تجزیه و تحلیل نمودار، و تمام ابزارهای تجسمی که می‌توانند زندگی شما را در ارائه نتایج آسان‌تر کنند، مرور کلی را به شما ارائه می‌کند.

در این راهنما، ساختار یافته است. به‌عنوان یک پروژه علم داده، همیشه کدهای واضح و مثال‌های ساده‌شده برای کمک به درک مکانیک‌های اساسی و مجموعه داده‌های دنیای واقعی همراه خواهید بود.

آنچه خواهید آموخت

  • جعبه ابزار علم داده خود را با استفاده از محیط علمی پایتون در ویندوز، مک و لینوکس راه اندازی کنید
  • داده ها را برای پروژه علم داده خود آماده کنید
  • به ترتیب داده ها را دستکاری، تعمیر و کاوش کنید برای حل مسائل علم داده
  • برای آزمایش فرضیه علم داده خود یک خط لوله آزمایشی راه اندازی کنید
  • موثرترین و مقیاس پذیرترین الگوریتم یادگیری را برای وظایف علم داده خود انتخاب کنید
  • مدل‌های یادگیری ماشین خود را بهینه کنید تا بهترین عملکرد را داشته باشید
  • کاوش کنید و نمودارها را خوشه‌بندی کنید. مزیت اتصالات و پیوندها در داده های شما

درباره نویسندگان

Alberto Boschetti یک دانشمند داده با تخصص در پردازش سیگنال و آمار است. او دارای مدرک دکترای مهندسی مخابرات است و در حال حاضر در لندن زندگی و کار می کند. در پروژه های کاری خود، او هر روز با چالش هایی از جمله پردازش زبان طبیعی (NLP)، یادگیری ماشین و مدل های نمودار احتمالی مواجه است.

لوکا ماسارون یک دانشمند داده و مدیر تحقیقات بازاریابی است که متخصص در تجزیه و تحلیل آماری چند متغیره، یادگیری ماشین، و بینش مشتری، با بیش از یک دهه تجربه در حل مشکلات دنیای واقعی و ایجاد ارزش برای سهامداران با استفاده از استدلال، آمار، داده کاوی، و الگوریتم‌ها.

جدول. از محتوا

  1. اولین مراحل
  2. Munging داده
  3. خط لوله علم داده
  4. یادگیری ماشین
  5. تجزیه و تحلیل شبکه های اجتماعی
  6. تجسم

توضیحاتی درمورد کتاب به خارجی

Key Features

  • Quickly get familiar with data science using Python
  • Save time - and effort - with all the essential tools explained
  • Create effective data science projects and avoid common pitfalls with the help of examples and hints dictated by experience

Book Description

The book starts by introducing you to setting up your essential data science toolbox. Then it will guide you across all the data munging and preprocessing phases. This will be done in a manner that explains all the core data science activities related to loading data, transforming and fixing it for analysis, as well as exploring and processing it. Finally, it will complete the overview by presenting you with the main machine learning algorithms, the graph analysis technicalities, and all the visualization instruments that can make your life easier in presenting your results.

In this walkthrough, structured as a data science project, you will always be accompanied by clear code and simplified examples to help you understand the underlying mechanics and real-world datasets.

What you will learn

  • Set up your data science toolbox using a Python scientific environment on Windows, Mac, and Linux
  • Get data ready for your data science project
  • Manipulate, fix, and explore data in order to solve data science problems
  • Set up an experimental pipeline to test your data science hypothesis
  • Choose the most effective and scalable learning algorithm for your data science tasks
  • Optimize your machine learning models to get the best performance
  • Explore and cluster graphs, taking advantage of interconnections and links in your data

About the Authors

Alberto Boschetti is a data scientist with expertise in signal processing and statistics. He holds a PhD in telecommunication engineering and currently lives and works in London. In his work projects, he faces challenges involving natural language processing (NLP), machine learning, and probabilistic graph models everyday.

Luca Massaron is a data scientist and marketing research director who specializes in multivariate statistical analysis, machine learning, and customer insight, with over a decade of experience in solving real-world problems and generating value for stakeholders by applying reasoning, statistics, data mining, and algorithms.

Table of Contents

  1. First Steps
  2. Data Munging
  3. The Data Science Pipeline
  4. Machine Learning
  5. Social Network Analysis
  6. Visualization




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی