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: Viswa Viswanathan et al.
سری:
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات: 1919
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 24 مگابایت
در صورت تبدیل فایل کتاب R: Recipes for Analysis, Visualization and Machine Learning 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: دستور العمل هایی برای تجزیه و تحلیل، تجسم و یادگیری ماشین 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.
زبان R یک زبان برنامه نویسی قدرتمند، منبع باز و کاربردی است. در هسته خود، R یک زبان برنامه نویسی آماری است که ابزارهای چشمگیری برای تجزیه و تحلیل داده ها و ایجاد گرافیک های سطح بالا ارائه می دهد. این مسیر یادگیری مملو از دستور العمل ها است. به معنای واقعی کلمه! هدف آن این است که شما را با پروژه های فوق العاده متمرکز بر تجزیه و تحلیل، تجسم و یادگیری ماشین هیجان زده کند. خوب با تجزیه و تحلیل داده ها شروع کنید – این به شما راه هایی را برای استفاده از R برای تولید گزارش های تحلیل حرفه ای نشان می دهد. خوب پس به تجسم دادههای ما بروید – این به شما تمام راهنماییهای لازم برای راحتتر شدن تجسم دادهها با R را ارائه میدهد. در نهایت، خوب به دنیای یادگیری ماشینی بروید – این شما را با طبقهبندی دادهها، رگرسیون، خوشهبندی، قانون تداعی آشنا میکند. استخراج و کاهش ابعاد.
The R language is a powerful, open source, functional programming language. At its core, R is a statistical programming language that provides impressive tools to analyze data and create high-level graphics. This Learning Path is chock-full of recipes. Literally! It aims to excite you with awesome projects focused on analysis, visualization, and machine learning. Well start off with data analysis – this will show you ways to use R to generate professional analysis reports. Well then move on to visualizing our data – this provides you with all the guidance needed to get comfortable with data visualization with R. Finally, well move into the world of machine learning – this introduces you to data classification, regression, clustering, association rule mining, and dimension reduction.