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: Marston. Eric
سری:
ISBN (شابک) : 9781077024274, 1077024274
ناشر: Independently Published
سال نشر: 2019
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Python for data analysis: Tutorial for beginners 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 پایتون برای تجزیه و تحلیل داده ها: آموزش برای مبتدیان 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.
آیا می خواهید پایتون را برای تجزیه و تحلیل داده ها با استفاده از NumPy، Pandas و IPython یاد بگیرید؟ نمی دانید چگونه شروع کنید؟ شما به یک کتاب درسی خسته کننده و گران قیمت نیاز ندارید. این کتاب بهترین کتاب برای هر خواننده ای است. اکنون نسخه خود را در دست بگیرید! چرا این کتاب؟ دلایل متعددی وجود دارد: نویسنده همه چیز را در مورد پایتون برای تجزیه و تحلیل داده ها با استفاده از کتابخانه های پاندا، NumPy، Ipython و Matplotlib از پایه بررسی کرده است. از زبان ساده ای استفاده شده است. مثال های زیادی هم از نظر تئوری و هم از نظر برنامه ای ذکر شده است. اسکرین شات هایی که خروجی های برنامه را نشان می دهد اضافه شده است. این کتاب گام به گام برای مبتدیان نوشته شده است. اهداف کتاب: اهداف و اهداف کتاب: برای کمک به شما در درک اینکه چرا باید پایتون را برای کارهای تجزیه و تحلیل داده ها انتخاب کنید. برای کمک به شما در شناخت کتابخانه های مختلف تجزیه و تحلیل داده های پشتیبانی شده توسط پایتون و نحوه استفاده از آنها. به شما کمک می کند تا بدانید چگونه داده های کسب و کار خود را تجزیه و تحلیل کنید و بینش های معناداری برای تصمیم گیری موثر بدست آورید. برای تجهیز شما به مهارت های تجزیه و تحلیل داده ها با استفاده از زبان برنامه نویسی پایتون. برای کمک به شما برای اینکه بدانید امروزه تحلیل دادهها کجا به کار میرود و چگونه از آن در زندگی روزمره خود استفاده کنید. این کتاب برای چه کسی است؟: در اینجا خوانندگان هدف این کتاب آمدهاند: هر کسی که کاملاً مبتدی در تجزیه و تحلیل دادهها با پایتون یا داده است. تحلیل به طور کلی هر کسی که می خواهد مهارت های تجزیه و تحلیل داده های خود را با زبان برنامه نویسی پایتون ارتقا دهد. هر کسی که می خواهد بداند چگونه از تجزیه و تحلیل داده ها به نفع تجارت یا برند خود استفاده کند. متخصصان علوم داده، برنامه نویسی کامپیوتر، دانشمند کامپیوتر. اساتید، مدرسان یا معلمانی که به دنبال یافتن راههای بهتری برای توضیح پایتون برای تجزیه و تحلیل دادهها به دانشجویان خود به سادهترین و آسانترین راه هستند. دانش آموزان و دانشگاهیان، به ویژه کسانی که بر برنامه نویسی پایتون، علوم کامپیوتر، شبکه های عصبی، یادگیری ماشینی و یادگیری عمیق تمرکز می کنند. برای این کتاب به چه چیزی نیاز دارید؟: شما باید موارد زیر را روی رایانه خود نصب کرده باشید: Python 3.X Numpy Pandas Matplotlib نویسنده شما را راهنمایی می کند که چگونه بقیه کتابخانه های پایتون را که برای تجزیه و تحلیل داده ها مورد نیاز هستند نصب و پیکربندی کنید. داخل کتاب چیست؟: چرا پایتون برای تجزیه و تحلیل داده ها؟ کاوش در نصب و راهاندازی کتابخانهها با استفاده از آرایههای Numpy IPython و Pandaهای محاسباتی بردار کتابخانه دادهها جداسازی دادهها تجسم داده جمعآوری دادهها کار با دادههای سری زمانی کاربردهای تجزیه و تحلیل دادهها امروز محتوای این کتاب همه چیز در مورد تجزیه و تحلیل دادهها با زبان برنامهنویسی پایتون با استفاده از NumPy، Pandas است. و IPython این به بخشهایی دستهبندی شده است که هر فصل جنبههای متفاوتی از تجزیه و تحلیل دادهها را بررسی میکند. نویسنده کدهای پایتون را برای انجام وظایف مختلف تجزیه و تحلیل داده ارائه کرده است. همه این کدها برای اطمینان از درست کارکردن آنها تست شده اند. توضیحات مربوطه نیز در کنار هر قطعه کد ارائه شده است تا به خواننده کمک کند تا معنای خطوط مختلف کد را درک کند. علاوه بر این، اسکرین شات هایی که خروجی هر کد را نشان می دهد داده شده است. نویسنده از زبان ساده ای استفاده کرده است تا حتی برای مبتدیان نیز آن را آسان کند. نویسنده با بررسی وظایف اساسی تا پیچیده در تجزیه و تحلیل داده ها شروع می کند.
Do you want to learn Python for data analysis using NumPy, Pandas, and IPython ?You don't know how to begin? You don't need a boring and expensive textbook. This book is the best one for every readers.Grap your copy now!Why this book?There are several reasons: The author has explored everything about python for data analysis using pandas, NumPy, Ipython and Matplotlib libraries from the basics. A simple language has been used. Many examples have been given, both theoretically and programmatically. Screenshots showing program outputs have been added.The book is written step-by-step for beginners.Book Objectives: The Aims and Objectives of the Book: To help you understand why you should choose Python for data analysis tasks. To help you know the various data analysis libraries supported by Python and how to use them. To help you know how to analyze your business data and draw meaningful insights for effective decision making. To equip you with data analysis skills using Python programming language. To help you know where data analysis is applied today and how to use it in your everyday life.Who is this Book is for?: Here are the target readers for this book: Anybody who is a complete beginner to data analysis with Python or data analysis in general. Anybody who wants to advance their data analysis skills with Python programming language. Anybody who wants to know how to use data analysis for the benefit of their business or brand. Professionals in data science, computer programming, computer scientist. Professors, lecturers or tutors who are looking to find better ways to explain python for data analysis to their students in the simplest and easiest way. Students and academicians, especially those focusing on python programming, computer science, neural networks, machine learning, and deep learning. What do you need for this Book?: You are required to have installed the following on your computer: Python 3.X Numpy Pandas MatplotlibThe Author guides you on how to install and configure the rest of the Python libraries that are required for data analysis.What is inside the book?: Why Python for Data Analysis? Exploring the Libraries Installation and Setup Using IPython Numpy Arrays and Vectorized Computation Pandas Library Data Wrangling Data Visualization Data Aggregation Working with Time Series Data Applications of Data Analysis Today The content of this book is all about data analysis with Python programming language using NumPy, Pandas, and IPython. It has been grouped into chapters, with each chapter exploring a different aspect of data analysis. The author has provided Python codes for doing different data analysis tasks. All these codes have been tested to ensure they are working correctly. Corresponding explanations have also been provided alongside each piece of code to help the reader understand the meaning of the various lines of the code. In addition to this, screenshots showing the output that each code should return have been given. The author has used a simple language to make it easy even for beginners to understand. The author begins by exploring the basic to the complex tasks in data analysis.
Front Matter....Pages i-xx
Front Matter....Pages 1-1
The Big Data Value Opportunity....Pages 3-11
The BIG Project....Pages 13-26
Front Matter....Pages 27-27
The Big Data Value Chain: Definitions, Concepts, and Theoretical Approaches....Pages 29-37
Big Data Acquisition....Pages 39-61
Big Data Analysis....Pages 63-86
Big Data Curation....Pages 87-118
Big Data Storage....Pages 119-141
Big Data Usage....Pages 143-165
Front Matter....Pages 167-167
Big Data-Driven Innovation in Industrial Sectors....Pages 169-178
Big Data in the Health Sector....Pages 179-194
Big Data in the Public Sector....Pages 195-208
Big Data in the Finance and Insurance Sectors....Pages 209-223
Big Data in the Energy and Transport Sectors....Pages 225-244
Big Data in the Media and Entertainment Sectors....Pages 245-259
Front Matter....Pages 261-261
Cross-sectorial Requirements Analysis for Big Data Research....Pages 263-276
New Horizons for a Data-Driven Economy: Roadmaps and Action Plans for Technology, Businesses, Policy, and Society....Pages 277-291
Back Matter....Pages 293-303