دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Statistical Analysis with Swift: Data Sets, Statistical Models, and Predictions on Apple Platforms
دانلود کتاب تجزیه و تحلیل آماری با سوئیفت: مجموعه داده‌ها، مدل‌های آماری و پیش‌بینی‌ها در پلتفرم‌های اپل
مشخصات کتاب
Statistical Analysis with Swift: Data Sets, Statistical Models, and Predictions on Apple Platforms
ویرایش: [1 ed.]
نویسندگان: Jimmy Andersson
سری:
ISBN (شابک) : 1484277643, 9781484277645
ناشر: Apress
سال نشر: 2021
تعداد صفحات: 227
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
قیمت کتاب (تومان) : 30,000
در صورت تبدیل فایل کتاب Statistical Analysis with Swift: Data Sets, Statistical Models, and Predictions on Apple Platforms 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 تجزیه و تحلیل آماری با سوئیفت: مجموعه داده‌ها، مدل‌های آماری و پیش‌بینی‌ها در پلتفرم‌های اپل 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 تجزیه و تحلیل آماری با سوئیفت: مجموعه داده‌ها، مدل‌های آماری و پیش‌بینی‌ها در پلتفرم‌های اپل
با مجموعه داده های بزرگ کار کنید، مدل های آماری ایجاد کنید
و با استفاده از زبان برنامه نویسی Swift با روش های آماری
پیش بینی کنید. انواع مشکلاتی که می توان با استفاده از روش
های آماری حل کرد در زمینه هایی از مدیریت مالی گرفته تا
یادگیری ماشینی تا کنترل کیفیت و بسیاری موارد دیگر را شامل
می شود. کسانی که دانش تجزیه و تحلیل آماری دارند، نامزدهای
زیادی برای شرکت ها در سراسر جهان می شوند.
با مقدمه ای بر آمار و تئوری احتمال، مفاهیم اصلی را برای
تجزیه و تحلیل توزیع داده های خود خواهید آموخت. شما مقدمه ای
بر متغیرهای تصادفی، نحوه کار با آنها و نحوه استفاده از خواص
آنها در محاسبات خواهید داشت. علاوه بر ریاضیات، چندین ویژگی
ضروری زبان سوئیفت را یاد خواهید گرفت که به طور قابل توجهی
اصطکاک را هنگام کار با مجموعه داده های بزرگ کاهش می دهد.
این قابلیت‌ها به ویژه هنگام کار با داده‌های چند متغیره مفید
خواهند بود، که برای بیشتر اطلاعات در دنیای پیچیده امروزی
کاربرد دارد.
هنگامی که نحوه توصیف یک مجموعه داده را بدانید، نحوه ایجاد
مدل هایی برای پیش بینی رویدادهای آینده را خواهید آموخت.
تمام داده‌های ارائه شده از زمینه‌های دنیای واقعی تولید
می‌شوند تا بتوانید شهودی برای نحوه اعمال روش‌های آماری با
Swift برای پروژه‌هایی که اکنون روی آنها کار می‌کنید، ایجاد
کنید.
شما:
• با استفاده از زبان برنامه نویسی Swift با داده های دنیای
واقعی کار کنید
• ویژگی های ضروری را محاسبه کنید توزیع داده‌ها برای درک
مشتریان، محصولات و فرآیندهای شما
• پیش‌بینی‌هایی درباره رویدادهای آینده انجام دهید و محاسبه
کنید که این پیش‌بینی‌ها چقدر قوی هستند
توضیحاتی درمورد کتاب به خارجی
Work with large data sets, create statistical models, and
make predictions with statistical methods using the Swift
programming language. The variety of problems that can be
solved using statistical methods range in fields from
financial management to machine learning to quality control
and much more. Those who possess knowledge of
statistical analysis become highly sought after candidates
for companies worldwide.
Starting with an introduction to statistics and probability
theory, you will learn core concepts to analyze your data's
distribution. You'll get an introduction to random
variables, how to work with them, and how to leverage their
properties in computations. On top of the mathematics,
you’ll learn several essential features of the Swift
language that significantly reduce friction when working
with large data sets. These functionalities will prove
especially useful when working with multivariate data,
which applies to most information in today's complex
world.
Once you know how to describe a data set, you will learn
how to create models to make predictions about future
events. All provided data is generated from real-world
contexts so that you can develop an intuition for how to
apply statistical methods with Swift to projects you’re
working on now.
You will:
• Work with real-world data using the Swift programming
language
• Compute essential properties of data distributions to
understand your customers, products, and
processes
• Make predictions about future events and compute how
robust those predictions are
