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 The Big R-Book: From Data Science to Learning Machines and Big Data

دانلود کتاب کتاب بزرگ R: از علم داده تا ماشین‌های یادگیری و داده‌های بزرگ

The Big R-Book: From Data Science to Learning Machines and Big Data

مشخصات کتاب

The Big R-Book: From Data Science to Learning Machines and Big Data

ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 9781119632726 
ناشر: Wiley 
سال نشر: 2020 
تعداد صفحات: 886 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 17 مگابایت 

قیمت کتاب (تومان) : 52,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب The Big R-Book: From Data Science to Learning Machines and Big Data 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 کتاب بزرگ R: از علم داده تا ماشین‌های یادگیری و داده‌های بزرگ 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 کتاب بزرگ R: از علم داده تا ماشین‌های یادگیری و داده‌های بزرگ



https://www.wiley.com/-p-9781119632771

متخصصان و دانشمندان را با آمار و یادگیری ماشین با استفاده از زبان برنامه نویسی R

< آشنا می کند. p> این کتاب که توسط و برای پزشکان نوشته شده است، مقدمه ای کلی برای R ارائه می کند، با تمرکز بر ابزارها و روش هایی که معمولا در علم داده استفاده می شود، و تاکید بر استفاده از عمل و کسب و کار دارد. طیف وسیعی از موضوعات را در یک جلد پوشش می‌دهد، از جمله داده‌های بزرگ، پایگاه‌های داده، یادگیری ماشین آماری، جدال داده‌ها، تجسم داده‌ها و گزارش نتایج. موضوعات تحت پوشش همگی برای فردی با پیشینه علوم/ریاضی که به دنبال یادگیری سریع چندین فناوری عملی برای ورود یا انتقال به حوزه رو به رشد علم داده است، مهم است.

کتاب بزرگ R برای حرفه ای ها: از علم داده تا ماشین های یادگیری و گزارش دهی با R شامل نه بخش است که با مقدمه ای بر موضوع شروع می شود و پس از آن مروری بر R و عناصر آمار بخش سوم حول محور داده ها می چرخد، در حالی که قسمت چهارم بر بحث و جدل داده ها تمرکز دارد. بخش 5 به خوانندگان در مورد کاوش داده ها آموزش می دهد. در قسمت 6 ما یاد می گیریم که مدل بسازیم، قسمت 7 خواننده را با واقعیت در شرکت ها آشنا می کند، قسمت 8 گزارش ها و برنامه های کاربردی تعاملی را پوشش می دهد و در نهایت قسمت 9 خواننده را با داده های بزرگ و محاسبات عملکرد آشنا می کند. همچنین شامل چند ضمیمه مفید است.

  • راهنمای عملی برای افراد غیرمتخصص با تمرکز بر کاربران تجاری ارائه می دهد
  • شامل ترکیبی منحصر به فرد از موضوعات از جمله مقدمه ای برای R، یادگیری ماشینی، مدل‌های ریاضی، کشمکش داده‌ها و گزارش‌دهی
  • از لحن عملی استفاده می‌کند و چندین موضوع را در یک چارچوب منسجم ادغام می‌کند
  • با قادر ساختن خوانندگان به درک، هیاهوی یادگیری ماشین و هوش مصنوعی را ابهام می‌کند. مدل های ارائه شده و برنامه ریزی آنها در R
  • به خوانندگان نشان می دهد که چگونه نتایج را در گزارش های ایستا و تعاملی تجسم کنند
  • مواد تکمیلی شامل اسلایدهای PDF بر اساس محتوای کتاب و همچنین تمام موارد استخراج شده است. R-code و در یک سایت Wiley Book Companion برای همه در دسترس است

The Big R-Book یک راهنمای عالی برای دانشجویان فناوری علوم، مهندسی یا ریاضیات است. که مایل به انتقال موفقیت آمیز از دنیای آکادمیک به حرفه ای هستند. همچنین برای همه دانشمندان جوان داده، تحلیلگران کمی، و متخصصان تجزیه و تحلیل، و همچنین کسانی که مدل های ریاضی می سازند، جذاب خواهد بود.


توضیحاتی درمورد کتاب به خارجی

https://www.wiley.com/-p-9781119632771

Introduces professionals and scientists to statistics and machine learning using the programming language R

Written by and for practitioners, this book provides an overall introduction to R, focusing on tools and methods commonly used in data science, and placing emphasis on practice and business use. It covers a wide range of topics in a single volume, including big data, databases, statistical machine learning, data wrangling, data visualization, and the reporting of results. The topics covered are all important for someone with a science/math background that is looking to quickly learn several practical technologies to enter or transition to the growing field of data science. 

The Big R-Book for Professionals: From Data Science to Learning Machines and Reporting with R includes nine parts, starting with an introduction to the subject and followed by an overview of R and elements of statistics. The third part revolves around data, while the fourth focuses on data wrangling. Part 5 teaches readers about exploring data. In Part 6 we learn to build models, Part 7 introduces the reader to the reality in companies, Part 8 covers reports and interactive applications and finally Part 9 introduces the reader to big data and performance computing. It also includes some helpful appendices.

  • Provides a practical guide for non-experts with a focus on business users
  • Contains a unique combination of topics including an introduction to R, machine learning, mathematical models, data wrangling, and reporting
  • Uses a practical tone and integrates multiple topics in a coherent framework
  • Demystifies the hype around machine learning and AI by enabling readers to understand the provided models and program them in R
  • Shows readers how to visualize results in static and interactive reports
  • Supplementary materials includes PDF slides based on the book’s content, as well as all the extracted R-code and is available to everyone on a Wiley Book Companion Site

The Big R-Book is an excellent guide for science technology, engineering, or mathematics students who wish to make a successful transition from the academic world to the professional. It will also appeal to all young data scientists, quantitative analysts, and analytics professionals, as well as those who make mathematical models.





نظرات کاربران