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 Data Science Workshop: A New, Interactive Approach to Learning Data Science

دانلود کتاب کارگاه علوم داده: رویکرد جدید و تعاملی برای یادگیری علم داده

The Data Science Workshop: A New, Interactive Approach to Learning Data Science

مشخصات کتاب

The Data Science Workshop: A New, Interactive Approach to Learning Data Science

ویرایش:  
نویسندگان: , , , ,   
سری:  
ISBN (شابک) : 1838981268, 9781838981266 
ناشر: Packt Publishing 
سال نشر: 2020 
تعداد صفحات: 818 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 45 Mb 

قیمت کتاب (تومان) : 30,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب The Data Science Workshop: A New, Interactive Approach to Learning Data Science 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 کارگاه علوم داده: رویکرد جدید و تعاملی برای یادگیری 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.


توضیحاتی در مورد کتاب کارگاه علوم داده: رویکرد جدید و تعاملی برای یادگیری علم داده



با رویکرد گام به گام به علم داده، نویز را کاهش دهید و نتایج واقعی دریافت کنید

ویژگی های کلیدی

  • ایده آل برای مبتدی علم داده که برای اولین بار شروع به کار می کند
  • یک آموزش علم داده با تمرینات و فعالیت های گام به گام که به ایجاد مهارت های کلیدی کمک می کند
  • ساختاری شده برای پیشرفت شما در با سرعت خودتان، طبق شرایط خودتان
  • از نسخه چاپی فیزیکی خود برای استفاده از دسترسی رایگان به نسخه تعاملی آنلاین استفاده کنید

توضیحات کتاب

شما از قبل می‌دانید که می‌خواهید علم داده را یاد بگیرید، و یک راه هوشمندانه برای یادگیری علم داده، یادگیری از طریق انجام دادن است. کارگاه علم داده بر تقویت مهارت‌های عملی شما تمرکز دارد تا بتوانید نحوه توسعه مدل‌های یادگیری ماشینی ساده در پایتون یا حتی ساخت یک مدل پیشرفته برای کشف کلاهبرداری‌های بانکی بالقوه با علم داده مدرن را درک کنید. شما از مثال های واقعی که منجر به نتایج واقعی می شود، یاد خواهید گرفت.

در طول کارگاه علوم داده، شما یک رویکرد گام به گام جذاب برای درک علم داده در پیش خواهید گرفت. شما مجبور نخواهید بود از هیچ نظریه غیر ضروری بگذرید. اگر وقتتان کم است، می‌توانید هر روز به یک تمرین بپرید یا تمام آخر هفته را با استفاده از کیت علمی آموزش یک مدل بگذرانید. این انتخاب تو است. با یادگیری شرایط خود، مهارت‌های کلیدی خود را به گونه‌ای تقویت می‌کنید که احساس پاداش می‌کند.

هر نسخه چاپی فیزیکی کارگاه علم داده دسترسی به نسخه تعاملی را باز می کند. با ویدیوهایی که تمام تمرین‌ها و فعالیت‌ها را به تفصیل شرح می‌دهند، همیشه یک راه‌حل راهنمایی خواهید داشت. همچنین می‌توانید خودتان را با ارزیابی‌ها محک بزنید، پیشرفت را دنبال کنید و به‌روزرسانی‌های محتوا را دریافت کنید. شما حتی یک اعتبارنامه امن به دست خواهید آورد که می توانید آن را به صورت آنلاین به اشتراک بگذارید و پس از تکمیل آن را تأیید کنید. این یک تجربه آموزشی ممتاز است که همراه نسخه چاپی شما گنجانده شده است. برای بازخرید، دستورالعمل‌های موجود در ابتدای کتاب علم داده خود را دنبال کنید.

سریع و مستقیم، کارگاه علوم داده همراهی ایده آل برای مبتدیان علم داده است. شما مانند یک دانشمند داده در مورد الگوریتم های یادگیری ماشینی یاد خواهید گرفت و در طول مسیر یاد می گیرید. این فرآیند به این معنی است که شما متوجه خواهید شد که مهارت های جدید شما به عنوان بهترین تمرین تعبیه شده است. یک پایه محکم برای سال های آینده.

آنچه یاد خواهید گرفت

  • تفاوت های کلیدی بین یادگیری تحت نظارت و بدون نظارت را بیابید
  • دستکاری و تجزیه و تحلیل داده ها با استفاده از کتابخانه‌های scikit-learn و پانداها
  • درباره الگوریتم‌های مختلف مانند رگرسیون، طبقه‌بندی و خوشه‌بندی بیاموزید
  • تکنیک‌های پیشرفته را برای بهبود ترکیب و دقت مدل‌ها کشف کنید
  • سرعت روند ایجاد ویژگی‌های جدید را با ابزار ویژگی خودکار انجام دهید
  • یادگیری ماشین را با استفاده از بسته‌های منبع باز Python ساده کنید

این کتاب برای چه کسی است

ما هدف در Packt این است که به شما کمک کند در هر کاری که انتخاب می کنید موفق باشید. کارگاه علوم داده یک آموزش ایده آل علم داده برای مبتدیان علم داده است که تازه شروع به کار کرده اند. امروز یک کارگاه آموزشی را انتخاب کنید و به Packt اجازه دهید مهارت‌هایی را توسعه دهید که تا آخر عمر همراه شما باشد.

فهرست محتوا

  1. مقدمه‌ای بر علم داده در پایتون
  2. < li>رگرسیون
  3. طبقه بندی باینری
  4. طبقه بندی چند کلاسه با RandomForest
  5. انجام اولین تحلیل خوشه ای
  6. نحوه ارزیابی عملکرد
  7. تعمیم مدل های یادگیری ماشین
  8. تنظیم فراپارامتر
  9. تفسیر یک مدل یادگیری ماشین
  10. تجزیه و تحلیل مجموعه داده
  11. آماده سازی داده< /li>
  12. مهندسی ویژگی
  13. مجموعه های داده نامتعادل
  14. کاهش ابعاد
  15. آموزش مجموعه
  16. خطوط یادگیری ماشین
  17. < li>مهندسی ویژگی های خودکار

توضیحاتی درمورد کتاب به خارجی

Cut through the noise and get real results with a step-by-step approach to data science

Key Features

  • Ideal for the data science beginner who is getting started for the first time
  • A data science tutorial with step-by-step exercises and activities that help build key skills
  • Structured to let you progress at your own pace, on your own terms
  • Use your physical print copy to redeem free access to the online interactive edition

Book Description

You already know you want to learn data science, and a smarter way to learn data science is to learn by doing. The Data Science Workshop focuses on building up your practical skills so that you can understand how to develop simple machine learning models in Python or even build an advanced model for detecting potential bank frauds with effective modern data science. You'll learn from real examples that lead to real results.

Throughout The Data Science Workshop, you'll take an engaging step-by-step approach to understanding data science. You won't have to sit through any unnecessary theory. If you're short on time you can jump into a single exercise each day or spend an entire weekend training a model using sci-kit learn. It's your choice. Learning on your terms, you'll build up and reinforce key skills in a way that feels rewarding.

Every physical print copy of The Data Science Workshop unlocks access to the interactive edition. With videos detailing all exercises and activities, you'll always have a guided solution. You can also benchmark yourself against assessments, track progress, and receive content updates. You'll even earn a secure credential that you can share and verify online upon completion. It's a premium learning experience that's included with your printed copy. To redeem, follow the instructions located at the start of your data science book.

Fast-paced and direct, The Data Science Workshop is the ideal companion for data science beginners. You'll learn about machine learning algorithms like a data scientist, learning along the way. This process means that you'll find that your new skills stick, embedded as best practice. A solid foundation for the years ahead.

What you will learn

  • Find out the key differences between supervised and unsupervised learning
  • Manipulate and analyze data using scikit-learn and pandas libraries
  • Learn about different algorithms such as regression, classification, and clustering
  • Discover advanced techniques to improve model ensembling and accuracy
  • Speed up the process of creating new features with automated feature tool
  • Simplify machine learning using open source Python packages

Who this book is for

Our goal at Packt is to help you be successful, in whatever it is you choose to do. The Data Science Workshop is an ideal data science tutorial for the data science beginner who is just getting started. Pick up a Workshop today and let Packt help you develop skills that stick with you for life.

Table of Contents

  1. Introduction to Data Science in Python
  2. Regression
  3. Binary Classification
  4. Multiclass Classification with RandomForest
  5. Performing Your First Cluster Analysis
  6. How to Assess Performance
  7. The Generalization of Machine Learning Models
  8. Hyperparameter Tuning
  9. Interpreting a Machine Learning Model
  10. Analyzing a Dataset
  11. Data Preparation
  12. Feature Engineering
  13. Imbalanced Datasets
  14. Dimensionality Reduction
  15. Ensemble Learning
  16. Machine Learning Pipelines
  17. Automated Feature Engineering




نظرات کاربران