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

متخصصان و دانشمندان را با آمار و یادگیری ماشین با استفاده از زبان برنامه نویسی آشنا می کند. روش‌هایی که معمولاً در علم داده مورد استفاده قرار می‌گیرند، و تأکید بر استفاده از عمل و تجارت. 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 ماشین، مدل‌های ریاضی، جدال داده‌ها و گزارش‌گیری
• از لحن عملی استفاده می‌کند و موضوعات متعدد را در یک چارچوب منسجم ادغام می‌کند
• موضوعات پیرامون یادگیری ماشین و هوش مصنوعی را با امکان درک خوانندگان از بین می‌برد. 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.

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.