
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
با پایتون دنیای علم داده را بشناسید و یاد بگیرید چطور از دادهها سر دربیاورید.
درباره این کتاب
با پایتون و کتابخانههایش بر روشهای علم داده مسلط شوید.
تصویرسازی از دادهها بسازید و الگوها را در آنها پیدا کنید.
تکنیکهای پیشرفته برای چهار پایه علم داده با پایتون: دادهکاوی، تحلیل داده، تصویرسازی داده، و یادگیری ماشین.
این کتاب برای چه کسانی است
اگر توسعهدهنده پایتون هستید و میخواهید بر دنیای علم داده مسلط شوید، این کتاب برای شماست. مقداری آشنایی با علم داده لازم است.
آنچه یاد میگیرید
مدیریت داده و انجام جبر خطی در پایتون
با آمار استنباطی از تحلیلها نتیجهگیری کنید
مسائل علم داده را در پایتون حل کنید
با پایتون تصویرسازیهای حرفهای بسازید
تکنیک رگرسیون خطی را ارزیابی و بهکار بگیرید تا رابطه بین متغیرها را برآورد کنید
با الگوریتمهای مختلف پالایش مشارکتی، موتورهای پیشنهادگر بسازید
با روشهای ترکیبی، پیشبینیهای خود را بهتر کنید
با فناوریهای داده بزرگ کار کنید تا دادهها را در مقیاس بزرگ مدیریت کنید
با جزئیات بیشتر
علم داده حوزه دانش نسبتاً جدیدی است که سازمانهای مختلف از آن برای تصمیمگیری مبتنی بر داده استفاده میکنند. دانشمندان داده باید نقشهای گوناگونی داشته باشند تا با داده کار کنند و از آن ارزش بگیرند. زبان برنامهنویسی پایتون، پس از آنکه در دهه گذشته جامعه علمی را فتح کرد، حالا ابزاری ضروری برای فعالان علم داده است و هر کسی که میخواهد دانشمند داده شود باید آن را بداند. با پایتون محیطی سریع، قابلاعتماد، چندسکویی و بالغ برای تحلیل داده، یادگیری ماشین و حل مسائل الگوریتمی در اختیار دارید.
این راهنمای جامع کمک میکند از هیاهو عبور کنید و از نظریه فراتر بروید و مطالعهای عملی و پیشرفته از علم داده داشته باشید.
با مبانی پایتون در علم داده شروع میکنید و یاد میگیرید داده را مدیریت کنید و در پایتون جبر خطی انجام دهید. بعد با آمار استنباطی از تحلیلها نتیجه میگیرید و با دادهکاوی الگوها و روندهای پنهان را پیدا میکنید. با کتابخانه متپلات تصویرسازیهای حرفهای در پایتون میسازید و با مبانی یادگیری ماشین آشنا میشوید. سپس تکنیک رگرسیون خطی و همچنین رگرسیون لجستیک را در کاربردهای خود بهکار میگیرید؛ بعد با الگوریتمهای مختلف پالایش مشارکتی موتور پیشنهادگر میسازید و با روشهای ترکیبی پیشبینیهایتان را بهتر میکنید.
در پایان، خوشهبندی کیمینز را انجام میدهید، دادههای بدون ساختار را با تکنیکهای مختلف متنکاوی تحلیل میکنید و از قدرت پایتون در تحلیل داده بزرگ بهره میبرید.
سبک و رویکرد
این کتاب راهنمایی ساده و جامع برای علم داده با پایتون است. موضوعاتی که پوشش داده شدهاند، همگی در سناریوهای واقعی قابل استفادهاند.
دانلود کدهای نمونه این کتاب. میتوانید فایلهای کد نمونه همه کتابهای پکت را که خریدهاید از حساب کاربری خود در http://www.PacktPub.com دانلود کنید. اگر کتاب را از جای دیگری خریدهاید، به http://www.PacktPub.com/support بروید و ثبتنام کنید تا فایلها مستقیم برایتان ایمیل شوند.
Explore the world of data science through Python and learn how to make sense of dataAbout This BookMaster data science methods using Python and its librariesCreate data visualizations and mine for patternsAdvanced techniques for the four fundamentals of Data Science with Python - data mining, data analysis, data visualization, and machine learningWho This Book Is ForIf you are a Python developer who wants to master the world of data science then this book is for you. Some knowledge of data science is assumed.What You Will LearnManage data and perform linear algebra in PythonDerive inferences from the analysis by performing inferential statisticsSolve data science problems in PythonCreate high-end visualizations using PythonEvaluate and apply the linear regression technique to estimate the relationships among variables.Build recommendation engines with the various collaborative filtering algorithmsApply the ensemble methods to improve your predictionsWork with big data technologies to handle data at scaleIn DetailData science is a relatively new knowledge domain which is used by various organizations to make data driven decisions. Data scientists have to wear various hats to work with data and to derive value from it. The Python programming language, beyond having conquered the scientific community in the last decade, is now an indispensable tool for the data science practitioner and a must-know tool for every aspiring data scientist. Using Python will offer you a fast, reliable, cross-platform, and mature environment for data analysis, machine learning, and algorithmic problem solving.This comprehensive guide helps you move beyond the hype and transcend the theory by providing you with a hands-on, advanced study of data science.Beginning with the essentials of Python in data science, you will learn to manage data and perform linear algebra in Python. You will move on to deriving inferences from the analysis by performing inferential statistics, and mining data to reveal hidden patterns and trends. You will use the matplot library to create high-end visualizations in Python and uncover the fundamentals of machine learning. Next, you will apply the linear regression technique and also learn to apply the logistic regression technique to your applications, before creating recommendation engines with various collaborative filtering algorithms and improving your predictions by applying the ensemble methods.Finally, you will perform K-means clustering, along with an analysis of unstructured data with different text mining techniques and leveraging the power of Python in big data analytics.Style and approachThis book is an easy-to-follow, comprehensive guide on data science using Python. The topics covered in the book can all be used in real world scenarios.Downloading the example code for this book. You can download the example code files for all Packt books you have purchased from your account at http://www.PacktPub.com. If you purchased this book elsewhere, you can visit http://www.PacktPub.com/support and register to have the files e-mailed directly to you.