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: Miller. James D
سری:
ISBN (شابک) : 9781788290678, 1788290674
ناشر: Packt
سال نشر: 2017;2018
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب آمار برای علم داده: استفاده از قدرت آمار برای تجزیه و تحلیل داده ها ، طبقه بندی ، رگرسیون ، یادگیری ماشین و شبکه های عصبی: کلان داده، داده کاوی، داده کاوی، داده کاوی (IT)، آمار، آمار
در صورت تبدیل فایل کتاب Statistics for data science: leverage the power of statistics for data analysis, classification, regression, machine learning, and neural networks 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 آمار برای علم داده: استفاده از قدرت آمار برای تجزیه و تحلیل داده ها ، طبقه بندی ، رگرسیون ، یادگیری ماشین و شبکه های عصبی 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.
«علم داده یک حوزه همیشه در حال توسعه است که با سرعتی تصاعدی در حال افزایش محبوبیت است. علم داده شامل تکنیک ها و نظریه های استخراج شده از حوزه های آمار است. علوم کامپیوتر، و مهمتر از همه، یادگیری ماشین، پایگاه های داده، تجسم داده ها و غیره. این کتاب شما را در سفری کامل از آمار، از دانستن خیلی کم تا راحت شدن در استفاده از روشهای آماری مختلف برای کارهای علم داده، راهنمایی میکند. با آمار ساده شروع می شود و سپس به سمت روش های آماری که در الگوریتم های علم داده استفاده می شود، می رود. برنامه های R برای محاسبات آماری به وضوح همراه با منطق توضیح داده شده است. با مفاهیم ریاضی مختلفی مانند واریانس، انحراف معیار، احتمال، محاسبات ماتریس و غیره مواجه خواهید شد. شما فقط آنچه را که برای اجرای آمار در کارهای علم داده مانند پاکسازی داده ها، استخراج و تجزیه و تحلیل لازم است، یاد خواهید گرفت. شما تکنیک های آماری مورد نیاز برای انجام وظایفی مانند رگرسیون خطی، منظم سازی، ارزیابی مدل، تقویت، SVM ها و کار با شبکه های عصبی را خواهید آموخت. در پایان کتاب، با انجام محاسبات آماری مختلف برای علم داده به صورت برنامه ای راحت خواهید بود. --
« Data science is an ever-evolving field, which is growing in popularity at an exponential rate. Data science includes techniques and theories extracted from the fields of statistics; computer science, and, most importantly, machine learning, databases, data visualization, and so on. This book takes you through an entire journey of statistics, from knowing very little to becoming comfortable in using various statistical methods for data science tasks. It starts off with simple statistics and then move on to statistical methods that are used in data science algorithms. The R programs for statistical computation are clearly explained along with logic. You will come across various mathematical concepts, such as variance, standard deviation, probability, matrix calculations, and more. You will learn only what is required to implement statistics in data science tasks such as data cleaning, mining, and analysis. You will learn the statistical techniques required to perform tasks such as linear regression, regularization, model assessment, boosting, SVMs, and working with neural networks. By the end of the book, you will be comfortable with performing various statistical computations for data science programmatically. »--