دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب R Data Mining Projects
دانلود کتاب پروژه های R Data Mining
مشخصات کتاب
R Data Mining Projects
ویرایش:
نویسندگان: Pradeepta Mishra
سری:
ISBN (شابک) : 1783989688, 9781783989683
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات: 254
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
قیمت کتاب (تومان) : 31,000
کلمات کلیدی مربوط به کتاب پروژه های R Data Mining: داده کاوی، پایگاه‌های داده و کلان داده، رایانه‌ها و فناوری، پردازش داده، پایگاه‌های داده و داده‌های بزرگ، رایانه‌ها و فناوری، الگوریتم‌ها، ساختارهای داده، ژنتیک، مدیریت حافظه، برنامه‌نویسی، رایانه‌ها و فناوری، مرجع، سالنامه‌ها و سالنامه‌ها، اطلس‌ها و نقشه‌ها، مشاغل، کاتالوگ ها و دایرکتوری ها، راهنمای مصرف کنندگان، فرهنگ لغت ها و اصطلاحنامه ها، دایره المعارف ها و راهنماهای موضوعی، انگلیسی به عنوان زبان دوم، آداب معاشرت، مطالعه و مرجع زبان خارجی، شجره نامه، نقل قول ها، بقا و آمادگی اضطراری، آمادگی آزمون
در صورت تبدیل فایل کتاب R Data Mining Projects 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 پروژه های R 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 پروژه های R Data Mining
درباره داده‌کاوی با مجموعه داده‌های دنیای واقعی بیاموزید
درباره این کتاب
- مجموعه‌های مختلف داده‌های دنیای واقعی برای آموزش تکنیک‌های داده کاوی< /li>
- عملی و متمرکز بر موارد داده کاوی در دنیای واقعی، این کتاب مفاهیمی مانند داده کاوی فضایی، متن کاوی، کاوی شبکه های اجتماعی و وب کاوی را پوشش می دهد
- مطالعات موردی در دنیای واقعی را نشان می دهد. تکنیک های مختلف داده کاوی، شما را از مبتدی به متوسط می برد
این کتاب برای چه کسانی است
تحلیلگران داده از سطح مبتدی تا متوسط که به کمک گام به گام نیاز دارند دست در توسعه پروژه های داده کاوی پیچیده مخاطب ایده آل این کتاب هستند. آنها باید دانش قبلی از آمار اولیه و کمی تجربه زبان برنامه نویسی در هر ابزار یا پلتفرمی داشته باشند.
آنچه شما خواهید آموخت
- از آمار و برنامه نویسی برای یادگیری استفاده کنید. مفاهیم داده کاوی و کاربردهای آن
- از برنامه نویسی R برای اعمال مدل های آماری روی داده ها استفاده کنید
- ایجاد مدل های پیش بینی برای انجام طبقه بندی، پیش بینی و توصیه
- استفاده از از کتابخانه های مختلف موجود در R CRAN (شبکه آرشیو R جامع) در داده کاوی
- به کارگیری مراحل مدیریت داده در مدیریت مجموعه داده های بزرگ
- آشنایی با کتابخانه های مختلف تجسم داده موجود در R برای نمایش داده ها< /li>
- اجرای تکنیک های کاهش ابعاد مختلف برای مدیریت مجموعه داده های بزرگ
- کسب دانش در مورد مفهوم شبکه عصبی برگرفته از علوم کامپیوتر و کاربردهای آن در داده کاوی
در جزئیات
زبان R یک زبان برنامه نویسی تابعی منبع باز قدرتمند است. در هسته خود، R یک زبان برنامه نویسی آماری است که ابزارهای چشمگیری را برای داده کاوی و تجزیه و تحلیل فراهم می کند. این شما را قادر می سازد تا گرافیک های سطح بالا ایجاد کنید و یک رابط برای زبان های دیگر ارائه می دهد. این بدان معناست که R برای تولید داده ها و تجزیه و تحلیل بصری از طریق اسکریپت ها و دستورات سفارشی سازی مناسب است، به جای ابزارهای آماری معمولی که جعبه های تیک و منوهای کشویی را برای کاربران فراهم می کند.
این کتاب تکنیک های داده کاوی و بررسی می کند. به شما نشان می دهد که چگونه مفاهیم مختلف کاوی را برای برنامه های آماری و داده های مختلف در طیف گسترده ای از زمینه ها اعمال کنید. ما در مورد R و کاربرد آن در داده کاوی به شما آموزش خواهیم داد و اطلاعات مرتبط و مفیدی را در اختیار شما قرار می دهیم که بتوانید از آنها برای توسعه و بهبود برنامه های خود استفاده کنید. این به شما کمک می کند تا موارد پیچیده داده کاوی را تکمیل کنید و شما را از طریق رسیدگی به مسائلی که ممکن است در طول پروژه ها با آنها روبرو شوید راهنمایی می کند.
سبک و رویکرد
این راهنمای سریع به شما در حل مشکلات مدل سازی پیش بینی کمک می کند. با استفاده از محبوب ترین الگوریتم های داده کاوی از طریق موارد ساده و کاربردی.
توضیحاتی درمورد کتاب به خارجی
Learn about data mining with real-world datasets
About This Book
- Diverse real-world datasets to teach data mining techniques
- Practical and focused on real-world data mining cases, this book covers concepts such as spatial data mining, text mining, social media mining, and web mining
- Real-world case studies illustrate various data mining techniques, taking you from novice to intermediate
Who This Book Is For
Data analysts from beginner to intermediate level who need a step-by-step helping hand in developing complex data mining projects are the ideal audience for this book. They should have prior knowledge of basic statistics and little bit of programming language experience in any tool or platform.
What You Will Learn
- Make use of statistics and programming to learn data mining concepts and its applications
- Use R Programming to apply statistical models on data
- Create predictive models to be applied for performing classification, prediction and recommendation
- Use of various libraries available on R CRAN (comprehensive R archives network) in data mining
- Apply data management steps in handling large datasets
- Learn various data visualization libraries available in R for representing data
- Implement various dimension reduction techniques to handle large datasets
- Acquire knowledge about neural network concept drawn from computer science and its applications in data mining
In Detail
The R language is a powerful open source functional programming language. At its core, R is a statistical programming language that provides impressive tools for data mining and analysis. It enables you to create high-level graphics and offers an interface to other languages. This means R is best suited to produce data and visual analytics through customization scripts and commands, instead of the typical statistical tools that provide tick boxes and drop-down menus for users.
This book explores data mining techniques and shows you how to apply different mining concepts to various statistical and data applications in a wide range of fields. We will teach you about R and its application to data mining, and give you relevant and useful information you can use to develop and improve your applications. It will help you complete complex data mining cases and guide you through handling issues you might encounter during projects.
Style and approach
This fast-paced guide will help you solve predictive modeling problems using the most popular data mining algorithms through simple, practical cases.
