
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.
موفقیت در علم داده به این بستگی دارد که ابزارها را بهصورت انعطافپذیر و درست بهکار ببریم. این موضوع شامل پایتون و آر میشود؛ دو تا از زبانهای برنامهنویسی بنیادی و پایهای این حوزه. این کتاب راهنمایی میکند تا دانشمندان داده، از دلِ جامعههای پایتون و آر، قدمبهقدم به سمت دوزبانه شدن در حرکت باشند.
با اینکه به نقاط قوت هر دو زبان نگاه کنید، راههای تازهای برای انجام کارهای علم داده پیدا خواهید کرد و مهارتهایتان را گسترش میدهید.
ریک اسکاولتا و بویان انجلوف توضیح میدهند که ساختارهای این دو زبان چه شباهتها و موازیبودنهایی دارند و نشان میدهند هر کدام در چه زمینهای بهتر جواب میدهد؛ چه از نظر ویژگیهای زبانی، چه از نظر تواناییهای اکوسیستمهای متنبازشان. شما یاد میگیرید چطور پایتون و آر را با هم و در موقعیتهای واقعی به کار ببرید و فرصتهای شغلیتان را بهعنوان یک دانشمند داده دوزبانه گسترش دهید.
* پایتون و آر را از نگاه زبان فعلیتان یاد بگیرید
* نقاط قوت و ضعف هر زبان را بشناسید
* موقعیتهایی را پیدا کنید که در آن یکی از زبانها بهتر بهکار میآید
* اکوسیستم متنبازِ مدرنِ موجود برای هر دو را بشناسید؛ شامل پکیجها، فریمورکها و روندها
* یاد بگیرید چطور آر و پایتون را در یک روند کاری یکپارچه کنید
* یک مطالعه موردی را دنبال کنید که راههای استفاده همزمان از این دو زبان را نشان میدهد
Success in data science depends on the flexible and appropriate use of tools. That includes Python and R, two of the foundational programming languages in the field. This book guides data scientists from the Python and R communities along the path to becoming bilingual. By recognizing the strengths of both languages, you'll discover new ways to accomplish data science tasks and expand your skill set.Authors Rick Scavetta and Boyan Angelov explain the parallel structures of these languages and highlight where each one excels, whether it's their linguistic features or the powers of their open source ecosystems. You'll learn how to use Python and R together in real-world settings and broaden your job opportunities as a bilingual data scientist.* Learn Python and R from the perspective of your current language* Understand the strengths and weaknesses of each language* Identify use cases where one language is better suited than the other* Understand the modern open source ecosystem available for both, including packages, frameworks, and workflows* Learn how to integrate R and Python in a single workflow* Follow a case study that demonstrates ways to use these languages together