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: [2 ed.] نویسندگان: Brian Lipp, Shubhadeep Roychowdhury, Dr. Tirthajyoti Sarkar سری: ISBN (شابک) : 9781839215001 ناشر: Packt Publishing سال نشر: 2020 تعداد صفحات: زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 28 Mb
در صورت تبدیل فایل کتاب The Data Wrangling Workshop: Create Actionable Data from Raw Sources, 2nd Edition 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 جنگ داده ها: ایجاد داده های عملی از منابع خام، ویرایش دوم 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.
فرایندهای ETL خود را با این نکات عملی، ترفندها و بهترین شیوه ها ساده کنید
اگرچه حجم عظیمی از داده ها به راحتی در دسترس ما هستند، اما به شکل خام مفید نیستند. برای اینکه دادهها معنیدار باشند، باید آنها را مدیریت و اصلاح کنید. کارگاه مبارزه با داده ها ایده های اصلی این فرآیندها را به شما آموزش می دهد و شما را با دانش محبوب ترین ابزارها و تکنیک ها در این حوزه مجهز می کند. کارگاه با نشان دادن نحوه کار با ساختارهای داده با استفاده از پایتون آغاز می شود. از طریق مثالها و فعالیتها، متوجه خواهید شد که چرا باید از روشهای سنتی پاکسازی دادهها که در زبانهای دیگر انجام میشود دوری کنید و از روالهای از پیش ساخته شده تخصصی در پایتون استفاده کنید. همانطور که پیشرفت می کنید، یاد می گیرید که چگونه از همان باطن پایتون استفاده کنید و داده ها را از مجموعه ای از منابع از جمله اینترنت، انبارهای پایگاه داده بزرگ و جداول مالی اکسل استخراج/تبدیل کنید. برای کمک به شما برای آماده شدن برای سناریوهای چالش برانگیزتر، این کارگاه به شما می آموزد که چگونه داده های گم شده یا اشتباه را مدیریت کنید و آنها را بر اساس الزامات ابزار تجزیه و تحلیل پایین دستی قالب بندی مجدد کنید. در پایان کارگاه، چندین تکنیک و بهترین روشهای بحث و جدل داده را یاد گرفتهاید که به شما اعتماد به نفس میدهد تا دادههای خود را به طور کارآمد از منابع متنوع استخراج، پاکسازی، تبدیل و قالببندی کنید.
کارگاه بحث جدال داده برای توسعه دهندگان، تحلیلگران داده و تحلیلگران تجاری طراحی شده است که مایلند به عنوان یک دانشمند داده یا متخصص تجزیه و تحلیل تمام عیار شغلی را دنبال کنند. اگرچه، این کتاب برای مبتدیان است، اما دانش قبلی پایتون برای درک آسان مفاهیم تحت پوشش در اینجا ضروری است. همچنین به داشتن دانش ابتدایی از پایگاه داده رابطه ای و SQL کمک می کند.
Simplify your ETL processes with these hands-on tips, tricks, and best practices
Though huge amount of data is readily available to us, it is not useful in its raw form. For data to be meaningful, it must be curated and refined. The Data Wrangling Workshop teaches you the core ideas behind these processes and equips you with knowledge of the most popular tools and techniques in the domain. The workshop begins by demonstrating how to work with data structures using Python. Through examples and activities, you’ll understand why you should stay away from traditional ways of data cleaning as done in other languages and take advantage of the specialized pre-built routines in Python. As you progress, you’ll learn how to use the same Python backend and extract/transform data from an array of sources including the Internet, large database vaults, and Excel financial tables. To help you prepare for more challenging scenarios, the workshop teaches you how to handle missing or wrong data, and reformat it based on the requirements from the downstream analytics tool. By the end of the workshop, you would have learned several data wrangling techniques and best practices that’ll give you the confidence to extract, clean, transform, and format your data efficiently from a diverse array of sources.
The Data Wrangling Workshop is designed for developers, data analysts, and business analysts who are keen to pursue a career as a full-fledged data scientist or analytics expert. Although, this book is for beginners, prior working knowledge of Python is necessary to easily grasp the concepts covered here. It will also help to have rudimentary knowledge of relational database and SQL.