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: Dan Toomey
سری:
ISBN (شابک) : 9781784390860
ناشر: Packt Publishing
سال نشر: 2014
تعداد صفحات: 364
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب R for Data Science: Learn and explore the fundamentals of data science with R 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 R for Science Data: اصول علم داده را با R بیاموزید و اکتشاف کنید 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.
R یک زبان برنامه نویسی قدرتمند، منبع باز و کاربردی است. می توان از آن برای طیف گسترده ای از وظایف برنامه نویسی استفاده کرد و برای تولید داده ها و تجزیه و تحلیل بصری از طریق اسکریپت ها و دستورات قابل تنظیم مناسب است. هدف این کتاب کشف موضوعات اصلی است که دانشمندان داده به آن علاقه مند هستند. این کتاب از طیف گسترده ای از منابع داده استخراج می شود و این داده ها را با استفاده از توابع و بسته های R موجود در دسترس عموم ارزیابی می کند. در بسیاری از موارد، دادههای حاصل را میتوان به شکل گرافیکی که به طور مستقیم درک میشود، نمایش داد. شما همچنین در مورد تکنیک های تجزیه و تحلیل اغلب مورد نیاز و پرکاربرد در صنعت خواهید آموخت. در پایان کتاب، میدانید که چگونه میتوانید طیف وسیعی از تکنیکهای علم داده را با R. بکار ببرید.
R is a powerful, open source, functional programming language. It can be used for a wide range of programming tasks and is best suited to produce data and visual analytics through customizable scripts and commands. The purpose of the book is to explore the core topics that data scientists are interested in. This book draws from a wide variety of data sources and evaluates this data using existing publicly available R functions and packages. In many cases, the resultant data can be displayed in a graphical form that is more intuitively understood. You will also learn about the often needed and frequently used analysis techniques in the industry. By the end of the book, you will know how to go about adopting a range of data science techniques with R.