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: Field Cady
سری:
ناشر: Wiley
سال نشر: 2017
تعداد صفحات: 395
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب The Data Science Handbook 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 راهنمای علم داده 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.
مروری جامع بر علم داده که شامل تجزیه و تحلیل، برنامهنویسی و
مهارتهای تجاری لازم برای تسلط بر این رشته میشود
پیدا کردن یک دانشمند داده خوب به شکار یک تکشاخ تشبیه شده است:
ترکیب مورد نیاز از مهارتهای فنی به سادگی بسیار دشوار است. برای
پیدا کردن در یک نفر علاوه بر این، علم داده خوب فقط به کارگیری
منظم مجموعه مهارتهای قابل آموزش نیست، بلکه نیازمند توانایی
تفکر انعطافپذیر در مورد همه این حوزهها و درک ارتباطات بین
آنها است. این کتاب یک دوره آموزشی تصادفی در علم داده ارائه می
دهد و تمام مهارت های لازم را در یک رشته یکپارچه ترکیب می
کند.
برخلاف بسیاری از کتاب های تحلیلی، علوم کامپیوتر و مهندسی نرم
افزار پوشش گسترده ای داده شده است، زیرا آنها نقش اصلی را در
امور روزمره ایفا می کنند. کار یک دانشمند داده نویسنده همچنین
الگوریتمهای یادگیری ماشین کلاسیک را از مبانی ریاضی تا
کاربردهای دنیای واقعی توصیف میکند. ابزارهای تجسم بررسی می شوند
و اهمیت اصلی آنها در علم داده برجسته می شود. آمار کلاسیک به
خوانندگان کمک می کند تا در مورد تفسیر داده ها و مشکلات رایج آن
تفکر انتقادی داشته باشند. ارتباط واضح نتایج فنی، که شاید
کمآموزترین مهارتهای علم داده باشد، فصل خاص خود را ارائه
میکند و همه موضوعات در زمینه حل مشکلات دادههای دنیای واقعی
توضیح داده میشوند. این کتاب همچنین دارای موارد زیر است:
نمونه کد و آموزش های گسترده با استفاده از Python به همراه
کتابخانه های فنی آن
فناوری های اصلی "داده های بزرگ"، از جمله نقاط قوت و محدودیت های
آنها و نحوه استفاده از آنها برای حل مسائل واقعی مسائل
جهانی
پوشش واقعیت های عملی ابزارها، به حداقل رساندن تئوری، با این
حال، هنگامی که نظریه ارائه می شود، به روشی شهودی برای تشویق
تفکر انتقادی و خلاقیت انجام می شود
تنوع گسترده ای از مطالعات موردی از صنعت
توصیههای عملی در مورد واقعیتهای امروز دانشمند داده بودن، از
جمله گردش کار کلی، جایی که زمان صرف میشود، انواع مجموعه
دادههای کار شده و مجموعه مهارتهای مورد نیاز
کتاب راهنمای علم داده منبعی ایدهآل برای دادهها است. روش تجزیه
و تحلیل و ابزارهای نرم افزاری داده های بزرگ. این کتاب برای
افرادی مناسب است که می خواهند علم داده را تمرین کنند، اما
مجموعه مهارت های لازم را ندارند. این شامل متخصصان نرم افزار می
شود که نیاز به درک بهتر تجزیه و تحلیل دارند و آماردانانی که
نیاز به درک نرم افزار دارند. علم داده مدرن یک رشته یکپارچه است
و به این صورت ارائه می شود. این کتاب همچنین مرجع مناسبی برای
محققان و دانشجویان مقطع کارشناسی ارشد است که نیاز به یادگیری
تحلیل های دنیای واقعی و گسترش مجموعه مهارت های خود دارند.
A comprehensive overview of data science covering the
analytics, programming, and business skills necessary to master
the discipline
Finding a good data scientist has been likened to hunting for a
unicorn: the required combination of technical skills is simply
very hard to find in one person. In addition, good data science
is not just rote application of trainable skill sets it
requires the ability to think flexibly about all these areas
and understand the connections between them. This book provides
a crash course in data science, combining all the necessary
skills into a unified discipline.
Unlike many analytics books, computer science and software
engineering are given extensive coverage since they play such a
central role in the daily work of a data scientist. The author
also describes classic machine learning algorithms, from their
mathematical foundations to real-world applications.
Visualization tools are reviewed, and their central importance
in data science is highlighted. Classical statistics is
addressed to help readers think critically about the
interpretation of data and its common pitfalls. The clear
communication of technical results, which is perhaps the most
undertrained of data science skills, is given its own chapter,
and all topics are explained in the context of solving
real-world data problems. The book also features:
Extensive sample code and tutorials using Python™ along with
its technical libraries
Core technologies of “Big Data,” including their strengths and
limitations and how they can be used to solve real-world
problems
Coverage of the practical realities of the tools, keeping
theory to a minimum however, when theory is presented, it is
done in an intuitive way to encourage critical thinking and
creativity
A wide variety of case studies from industry
Practical advice on the realities of being a data scientist
today, including the overall workflow, where time is spent, the
types of datasets worked on, and the skill sets needed
The Data Science Handbook is an ideal resource for data
analysis methodology and big data software tools. The book is
appropriate for people who want to practice data science, but
lack the required skill sets. This includes software
professionals who need to better understand analytics and
statisticians who need to understand software. Modern data
science is a unified discipline, and it is presented as such.
This book is also an appropriate reference for researchers and
entry-level graduate students who need to learn real-world
analytics and expand their skill set.