دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python for Data Mining Quick Syntax Reference
دانلود کتاب مرجع نحو سریع Python for Data Mining
مشخصات کتاب
Python for Data Mining Quick Syntax Reference
ویرایش: نویسندگان: SpringerLink (Online service), Porcu. Valentina سری: ISBN (شابک) : 9781484241127, 1484241134 ناشر: Apress سال نشر: 2018 تعداد صفحات: 269 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
قیمت کتاب (تومان) : 52,000
در صورت تبدیل فایل کتاب Python for Data Mining Quick Syntax Reference 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 مرجع نحو سریع Python for Data Mining 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 مرجع نحو سریع Python for Data Mining
نحوه استفاده از پایتون و ساختارهای آن، نحوه نصب پایتون و اینکه
کدام ابزارها برای کار تحلیلگر داده مناسب هستند را بیاموزید. این
کتاب مرجع و آموزش مفیدی را در مورد موضوعات مختلف از مفاهیم پایه
پایتون گرفته تا داده کاوی، دستکاری و وارد کردن مجموعه داده ها و
تجزیه و تحلیل داده در اختیار شما قرار می
دهد.
Python for Data Mining Quick مرجع نحوهر
مفهوم را به طور مختصر و با مثال های گویا زیادی پوشش می دهد. با
چندین بسته داده کاوی همراه با مثال هایی از نحوه استفاده از هر
یک از آنها آشنا خواهید شد.
بخش اول هسته پایتون شامل اشیاء، لیست ها، توابع، ماژول ها و
مدیریت خطا را پوشش می دهد. بخش دوم مهم ترین بسته های داده کاوی
پایتون را پوشش می دهد: NumPy و SciPy برای توابع ریاضی و تولید
داده های تصادفی، پانداها برای مدیریت چارچوب داده و واردات داده،
Matplotlib برای رسم نمودارها، و scikitlearn برای یادگیری
ماشین.
What You یاد خواهم گرفت
پایتون را نصب کنید و یک محیط توسعه را انتخاب کنید
مفاهیم اولیه برنامه نویسی شی گرا را درک کنید
وارد کردن، باز کردن و ویرایش فایل‌ها
بررسی تفاوت‌های بین Python 2.x و 3.x
این کتاب برای چه کسی است
برنامه نویسانی که تازه با بسته های داده کاوی پایتون یا با تجربه
در زبان های دیگر آشنا هستند و می خواهند راهنمای سریع ابزارها و
تکنیک های پایتونیک داشته باشند.
توضیحاتی درمورد کتاب به خارجی
Learn how to use Python and its structures, how to install
Python, and which tools are best suited for data analyst work.
This book provides you with a handy reference and tutorial on
topics ranging from basic Python concepts through to data
mining, manipulating and importing datasets, and data
analysis.
Python for Data Mining Quick Syntax
Referencecovers each concept concisely, with many
illustrative examples. You'll be introduced to several data
mining packages, with examples of how to use each of
them.
The first part covers core Python including objects, lists,
functions, modules, and error handling. The second part covers
Python's most important data mining packages: NumPy and SciPy
for mathematical functions and random data generation, pandas
for dataframe management and data import, Matplotlib for
drawing charts, and scikitlearn for machine learning.
What You'll Learn
Install Python and choose a development environment
Understand the basic concepts of object-oriented
programming
Import, open, and edit files
Review the differences between Python 2.x and 3.x
Who This Book Is For
Programmers new to Python's data mining packages or with
experience in other languages, who want a quick guide to
Pythonic tools and techniques.
فهرست مطالب
Front Matter ....Pages i-xv
Getting Started (Valentina Porcu)....Pages 1-11
Introductory Notes (Valentina Porcu)....Pages 13-26
Basic Objects and Structures (Valentina Porcu)....Pages 27-57
Functions (Valentina Porcu)....Pages 59-68
Conditional Instructions and Writing Functions (Valentina Porcu)....Pages 69-88
Other Basic Concepts (Valentina Porcu)....Pages 89-111
Importing Files (Valentina Porcu)....Pages 113-120
pandas (Valentina Porcu)....Pages 121-176
SciPy and NumPy (Valentina Porcu)....Pages 177-200
Matplotlib (Valentina Porcu)....Pages 201-234
Scikit-learn (Valentina Porcu)....Pages 235-253
Back Matter ....Pages 255-260
