ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Statistical Data Cleaning with Applications in R

دانلود کتاب پاکسازی داده های آماری با برنامه های کاربردی در R

Statistical Data Cleaning with Applications in R

مشخصات کتاب

Statistical Data Cleaning with Applications in R

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781118897140 
ناشر: Wiley 
سال نشر: 2018 
تعداد صفحات: 306 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 56,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب Statistical Data Cleaning with Applications in 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 پاکسازی داده های آماری با برنامه های کاربردی در R 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 پاکسازی داده های آماری با برنامه های کاربردی در R

راهنمای جامع پاکسازی خودکار داده‌های آماری تولید داده‌های پاک فرآیندی پیچیده و زمان‌بر است که هم به دانش فنی و هم به تخصص آماری نیاز دارد. Statistical Data Cleaning طیف وسیعی از تکنیک‌ها را برای تمیز کردن داده‌های متنی، عددی یا طبقه‌بندی گرد هم می‌آورد. این کتاب روش‌های تمیز کردن داده‌های فنی مربوط به نمایش داده‌ها و ساختار داده را بررسی می‌کند. نقش برجسته ای به اعتبارسنجی داده های آماری، پاکسازی داده ها بر اساس محدودیت های از پیش تعریف شده و استراتژی پاکسازی داده ها داده می شود. ویژگی‌های کلیدی: تمرکز بر اتوماسیون روش‌های پاک‌سازی داده‌ها، از جمله تئوری و کاربردهای نوشته شده به زبان R. خواننده را قادر می‌سازد تا فرآیندهای پاک‌سازی داده‌ها را برای اهداف تحلیلی یک‌باره یا برای راه‌اندازی سیستم‌های تولیدی که داده‌ها را به طور منظم پاک می‌کنند، طراحی کند. تکنیک‌های آماری را برای حل مسائلی مانند ناقص بودن، تناقضات و موارد پرت، ادغام اجزای پاک‌سازی داده‌ها و نظارت بر کیفیت بررسی می‌کند. توسط یک وب سایت همراه با داده ها و کد R پشتیبانی می شود. این کتاب دانشمندان داده و تحلیلگران آماری را قادر می‌سازد که با داده‌ها کار کنند تا درک خود را از تمیز کردن داده‌ها عمیق‌تر کنند و همچنین مهارت‌های عملی تمیز کردن داده‌ها را ارتقا دهند. همچنین می تواند به عنوان ماده ای برای دوره ای در پاکسازی و تجزیه و تحلیل داده ها استفاده شود.


توضیحاتی درمورد کتاب به خارجی

A comprehensive guide to automated statistical data cleaning The production of clean data is a complex and time-consuming process that requires both technical know-how and statistical expertise. Statistical Data Cleaning brings together a wide range of techniques for cleaning textual, numeric or categorical data. This book examines technical data cleaning methods relating to data representation and data structure. A prominent role is given to statistical data validation, data cleaning based on predefined restrictions, and data cleaning strategy. Key features: Focuses on the automation of data cleaning methods, including both theory and applications written in R. Enables the reader to design data cleaning processes for either one-off analytical purposes or for setting up production systems that clean data on a regular basis. Explores statistical techniques for solving issues such as incompleteness, contradictions and outliers, integration of data cleaning components and quality monitoring. Supported by an accompanying website featuring data and R code. This book enables data scientists and statistical analysts working with data to deepen their understanding of data cleaning as well as to upgrade their practical data cleaning skills. It can also be used as material for a course in data cleaning and analyses.





نظرات کاربران