دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python Data Science Essentials - Second Edition
دانلود کتاب Python Data Science Essentials - نسخه دوم
مشخصات کتاب
Python Data Science Essentials - Second Edition
ویرایش: [2 ed.]
نویسندگان: Luca Massaron. Alberto Boschetti
سری:
ISBN (شابک) : 9781786462831, 1786462834
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات:
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 Mb
قیمت کتاب (تومان) : 38,000
در صورت تبدیل فایل کتاب Python Data Science Essentials - Second Edition 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 Python Data Science Essentials - نسخه دوم 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 Python Data Science Essentials - نسخه دوم
با درک مفاهیم کلیدی Python به یک متخصص علوم داده کارآمد تبدیل شوید درباره این کتاب با استفاده از Python 3.5 به سرعت با علم داده آشنا شوید در زمان (و تلاش) با تمام ابزارهای ضروری توضیح داده شده صرفه جویی کنید. نکات دیکته شده توسط تجربه این کتاب برای چه کسی است اگر شما یک دانشمند مشتاق داده هستید و حداقل دانش کاری در مورد تجزیه و تحلیل داده ها و پایتون دارید، این کتاب شما را در علم داده شروع می کند. تحلیلگران داده با تجربه R یا MATLAB نیز این کتاب را مرجعی جامع برای تقویت مهارت های دستکاری داده و یادگیری ماشینی خود می دانند. آنچه یاد خواهید گرفت 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 دستکاری، تعمیر و کاوش داده ها به منظور حل مشکلات علم داده تنظیم یک خط لوله آزمایشی برای فرضیه های علم داده خود را آزمایش کنید موثرترین و مقیاس پذیرترین الگوریتم یادگیری را برای وظایف علم داده خود انتخاب کنید مدل های یادگیری ماشین خود را برای دریافت بهترین عملکرد بهینه کنید. ویرایش دوم Python Data Science Essentials شما را با تمام آنچه که برای موفقیت در علم داده با استفاده از پایتون نیاز دارید آشنا می کند. بینش مدرنی از هسته داده‌های پایتون، از جمله آخرین نسخه‌های نوت‌بوک‌های Jupyter، NumPy، پانداها و scikit-learn دریافت کنید. با تجسم داده های زیبا با Seaborn و ggplot، توسعه وب با Bottle، و حتی مرزهای جدید یادگیری عمیق با Theano و TensorFlow، فراتر از اصول اولیه نگاه کنید. با استفاده از رویکرد تک منبعی که به شما امکان می دهد با پایتون 2.7 نیز کار کنید، به ساخت جعبه ابزار علوم داده ضروری پایتون 3.5 خود بپردازید. به سرعت با munging و پیش پردازش داده ها و تمام تکنیک هایی که برای بارگیری، تجزیه و تحلیل و پردازش داده های خود نیاز دارید، آشنا شوید. در نهایت، یک نمای کلی از الگوریتم‌های اصلی یادگیری ماشین، تکنیک‌های تجزیه و تحلیل گراف، و تمام ابزارهای تجسم و استقرار که ارائه نتایج خود را برای مخاطبان متخصصان علم داده و کاربران تجاری آسان‌تر می‌کنند، دریافت کنید. سبک و رویکرد این کتاب به عنوان یک پروژه علم داده ساختار یافته است. شما همیشه از کدهای واضح و مثال‌های ساده‌شده برای کمک به درک مکانیک‌های اساسی و مجموعه داده‌های دنیای واقعی بهره‌مند خواهید شد.
توضیحاتی درمورد کتاب به خارجی
Become an efficient data science practitioner by understanding Python's key concepts About This Book Quickly get familiar with data science using Python 3.5 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 Who This Book Is For If you are an aspiring data scientist and you have at least a working knowledge of data analysis and Python, this book will get you started in data science. Data analysts with experience of R or MATLAB will also find the book to be a comprehensive reference to enhance their data manipulation and machine learning skills. 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 hypotheses 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 In Detail Fully expanded and upgraded, the second edition of Python Data Science Essentials takes you through all you need to know to suceed in data science using Python. Get modern insight into the core of Python data, including the latest versions of Jupyter notebooks, NumPy, pandas and scikit-learn. Look beyond the fundamentals with beautiful data visualizations with Seaborn and ggplot, web development with Bottle, and even the new frontiers of deep learning with Theano and TensorFlow. Dive into building your essential Python 3.5 data science toolbox, using a single-source approach that will allow to to work with Python 2.7 as well. Get to grips fast with data munging and preprocessing, and all the techniques you need to load, analyse, and process your data. Finally, get a complete overview of principal machine learning algorithms, graph analysis techniques, and all the visualization and deployment instruments that make it easier to present your results to an audience of both data science experts and business users. Style and approach The book is structured as a data science project. You will always benefit from clear code and simplified examples to help you understand the underlying mechanics and real-world datasets.
