
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.
اگر میخواهید دانشمند داده شوید، خوب میدانید چرا سازمانها برای تصمیمهای مهم به داده تکیه میکنند—چه شرکتهایی که وبسایت طراحی میکنند، چه شهرهایی که میخواهند خدمات را بهتر کنند، و چه دانشمندانی که بهدنبال راهی برای متوقف کردن شیوع بیماری هستند. و میخواهید مهارتهایی داشته باشید که بتوانید انبوهی درهمبرهم از داده را به بینشهای کاربردی تبدیل کنید. ما به این کار چرخهٔ عمر علم داده میگوییم: فرآیند جمعآوری، آمادهسازی، تحلیل و نتیجهگیری از داده.
یادگیری علم داده اولین کتابی است که مهارتهای پایهای برنامهنویسی و آمار را پوشش میدهد—مهارتهایی که کل این چرخه را در بر میگیرند. مخاطب آن کسانی هستند که میخواهند دانشمند داده شوند یا از قبل با دانشمندان داده کار میکنند، و همچنین تحلیلگران دادهای که میخواهند فاصلهٔ «فنی/غیرفنی» را پشت سر بگذارند. اگر آشنایی پایهای با برنامهنویسی پایتون داشته باشید، یاد میگیرید چگونه با ابزارهای استاندارد صنعت مثل pandas با داده کار کنید.
• پرسش مورد علاقهٔ خود را طوری پالایش کنید که بتوان با داده بررسیاش کرد
• به جمعآوری داده بپردازید؛ کاری که ممکن است شامل پردازش متن، وباسکرپینگ و موارد مشابه باشد
• با پاکسازی، کاوش و مصورسازی داده، بینشهای ارزشمند از آن به دست آورید
• یاد بگیرید چگونه از مدلسازی برای توصیف داده استفاده کنید
• یافتهها را فراتر از دادههای موجود تعمیم دهید
As an aspiring data scientist, you appreciate why organizations rely on data for important decisions—whether it's for companies designing websites, cities deciding how to improve services, or scientists discovering how to stop the spread of disease. And you want the skills required to distill a messy pile of data into actionable insights. We call this the data science lifecycle: the process of collecting, wrangling, analyzing, and drawing conclusions from data.Learning Data Science is the first book to cover foundational skills in both programming and statistics that encompass this entire lifecycle. It's aimed at those who wish to become data scientists or who already work with data scientists, and at data analysts who wish to cross the "technical/nontechnical" divide. If you have a basic knowledge of Python programming, you'll learn how to work with data using industry-standard tools like pandas.• Refine a question of interest to one that can be studied with data• Pursue data collection that may involve text processing, web scraping, etc.• Glean valuable insights about data through data cleaning, exploration, and visualization• Learn how to use modeling to describe the data• Generalize findings beyond the data