
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 وارد دنیای علم داده شوید و یاد بگیرید چطور از دادهها سر در بیاورید.
درباره این کتاب
روشهای علم داده را با پایتون و کتابخانههایش بیاموزید.
تصویرسازی از داده بسازید و الگوها را پیدا کنید.
تکنیکهای پیشرفته برای چهار پایهٔ اصلی علم داده با پایتون: دادهکاوی، تحلیل داده، تصویرسازی داده و یادگیری ماشین.
این کتاب برای چه کسانی است
اگر برنامهنویس پایتون هستید و میخواهید در دنیای علم داده مهارت پیدا کنید، این کتاب برای شماست. آشنایی اولیه با علم داده فرض شده است.
آنچه یاد میگیرید
مدیریت داده و انجام جبر خطی در پایتون
استخراج نتیجهگیری از تحلیل با آمار استنباطی
حل مسائل علم داده در پایتون
ساخت تصویرسازیهای حرفهای با پایتون
ارزیابی و بهکارگیری رگرسیون خطی برای برآورد روابط میان متغیرها
ساخت موتورهای پیشنهاددهنده با الگوریتمهای مختلف فیلترینگ مشارکتی
بهکارگیری روشهای گروهی برای بهبود پیشبینیها
کار با فناوریهای کلانداده برای مدیریت داده در مقیاس بزرگ
با جزئیات بیشتر
علم داده حوزهٔ نسبتاً جدیدی از دانش است که سازمانهای گوناگون از آن برای تصمیمگیری مبتنی بر داده استفاده میکنند. دانشمندان داده باید نقشهای مختلفی داشته باشند تا با داده کار کنند و از آن ارزش بگیرند. زبان برنامهنویسی پایتون، پس از اینکه در دههٔ گذشته جامعهٔ علمی را فتح کرد، امروز ابزاری ضروری برای متخصصان علم داده و ابزاری است که هر دانشمند دادهٔ تازهکار باید بداند. پایتون محیطی سریع، قابلاعتماد، چندسکویی و بالغ برای تحلیل داده، یادگیری ماشین و حل مسائل الگوریتمی در اختیارتان میگذارد.
این راهنمای جامع کمک میکند از هیاهو فراتر بروید و از نظریه عبور کنید؛ با مطالعهای عملی و پیشرفته از علم داده.
با مبانی پایتون در علم داده شروع میکنید و یاد میگیرید داده را مدیریت کنید و جبر خطی را در پایتون انجام دهید. سپس با آمار استنباطی از تحلیلها نتیجه میگیرید و با دادهکاوی الگوها و روندهای پنهان را آشکار میکنید. با کتابخانهٔ matplotlib تصویرسازیهای حرفهای در پایتون میسازید و با مبانی یادگیری ماشین آشنا میشوید. بعد رگرسیون خطی را بهکار میگیرید، رگرسیون لجستیک را هم روی کاربردهایتان یاد میگیرید، موتورهای پیشنهاددهنده را با الگوریتمهای مختلف فیلترینگ مشارکتی میسازید و با روشهای گروهی پیشبینیهایتان را بهتر میکنید.
در پایان، خوشهبندی K-means را انجام میدهید، دادههای بدون ساختار را با تکنیکهای مختلف متنکاوی تحلیل میکنید و از قدرت پایتون در تحلیل کلانداده بهره میبرید.
سبک و رویکرد
این کتاب راهنمایی روان و جامع دربارهٔ علم داده با پایتون است. موضوعاتی که پوشش داده شدهاند، همگی در سناریوهای واقعی قابل استفاده هستند.
دانلود کدهای نمونهٔ این کتاب. میتوانید فایلهای کد نمونهٔ همهٔ کتابهای Packt را که خریدهاید از حساب کاربریتان 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 شود.
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.