
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.
دادهها را بفهمید، ارزیابی کنید و مصور کنید## درباره این کتاب* گامهای پایه تحلیل داده و نحوه استفاده از پایتون و بستههای آن را یاد بگیرید* راهنمای گامبهگام مدلسازی پیشبینانه، همراه با نکتهها، ترفندها و بهترین روشها* مجموعهای گسترده از دادههای تحلیلشده را بهطور مؤثر مصور کنید و نتایجی کارآمد بسازید## این کتاب برای چه کسانی استاین کتاب برای توسعهدهندگان پایتون است که میخواهند وارد تحلیل داده شوند و دادههای تحلیلشده خود را بهشکلی کارآمدتر و روشنتر مصور کنند.## آنچه یاد خواهید گرفت* با NumPy آشنا شوید و از آرایهها و محاسبات مبتنی بر آرایه در تحلیل داده استفاده کنید* با قابلیتهای سریزمانی Pandas دادهها را پردازش و تحلیل کنید* مفاهیم آماری و ریاضی پشت الگوریتمهای تحلیل پیشبینانه را بفهمید* مصورسازی داده با Matplotlib* رسم نمودار تعاملی با توابع NumPy، Scipy و MKL* ساخت مدلهای مالی با شبیهسازی مونتکارلو* ایجاد گرافهای جهتدار و چندگرافها* مصورسازی پیشرفته با D3## با جزئیاتشما دوره را با آشنایی با اصول تحلیل داده و کتابخانههای پشتیبان آن آغاز میکنید، همراه با مبانی NumPy برای آمار و پردازش داده. سپس بستهی Pandas را مرور میکنید و از قابلیتهای قدرتمند آن برای حل مسائل پردازش داده بهره میبرید. در ادامه، نگاهی کوتاه به API کتابخانه Matplotlib خواهید داشت. سپس یاد میگیرید زمان و ساختارهای داده را دستکاری کنید و داده را با بستههای پایتون در فایل یا پایگاه داده بارگذاری و ذخیره کنید. با مثالهایی میآموزید چگونه بستههای قدرتمند پایتون را بهکار بگیرید تا دادهی خام را به دادهای پاک و مفید تبدیل کنید. همچنین مروری کوتاه بر الگوریتمهای یادگیری ماشین خواهید داشت؛ یعنی بهکارگیری نتایج تحلیل داده برای تصمیمگیری یا ساخت محصولات مفیدی مثل پیشنهادها و پیشبینیها با Scikit-learn.پس از آن به یک تخصص در تحلیل داده میرسید—تحلیل پیشبینانه. شبکههای اجتماعی و اینترنت اشیا سیل عظیمی از داده پدید آوردهاند. کار با تحلیل پیشبینانه را با پایتون آغاز میکنید. میبینید چگونه از داده مدلهای پیشبینانه بسازید. اطلاعات متعادلی از مفاهیم آماری و ریاضی دریافت میکنید و آنها را در پایتون با کتابخانههایی مثل Pandas، scikit-learn و NumPy پیادهسازی میکنید. بیشتر با بهترین الگوریتمهای مدلسازی پیشبینانه مثل رگرسیون خطی، درخت تصمیم و رگرسیون لجستیک آشنا میشوید. در پایان، بهترین روشهای مدلسازی پیشبینانه را بهخوبی فرا میگیرید.پس از این، همهی راهنماییهای عملی لازم را برای مسیر مصورسازی مؤثر داده بهدست میآورید. مسیر با فصلی دربارهی چارچوبهای داده آغاز میشود که تبدیل داده به اطلاعات و در نهایت دانش را توضیح میدهد؛ سپس کل فرایند مصورسازی را با محبوبترین کتابخانههای پایتون و مثالهای کاربردی پوشش میدهد.این مسیر یادگیری بخشی از بهترین مطالب Packt را در یک بستهی کامل و گزینششده گرد هم میآورد. محتوای آن از این محصولات Packt گرفته شده است:* Getting Started with Python Data Analysis، فوانگ وو.تی.اچ و مارتین چیگان* Learning Predictive Analytics with Python، آشیش کومار* Mastering Python Data Visualization، کیرتی رامان## سبک و رویکرداین دوره مثل یک راهنمای گامبهگام عمل میکند تا با کمک مثالها و مجموعهدادههای واقعی با تحلیل داده و کتابخانههای پشتیبانیشده توسط پایتون آشنا شوید. همچنین کمک میکند با پیادهسازی الگوریتمهای تحلیل پیشبینانه روی مجموعهدادههای عمومی با پایتون، درک عملی از مدلسازی پیشبینانه بهدست آورید. این دوره راهنمایی عملی فراوانی برای مسیر مصورسازی داده در اختیارتان میگذارد.
Understand, evaluate, and visualize data## About This Book* Learn basic steps of data analysis and how to use Python and its packages* A step-by-step guide to predictive modeling including tips, tricks, and best practices* Effectively visualize a broad set of analyzed data and generate effective results## Who This Book Is ForThis book is for Python Developers who are keen to get into data analysis and wish to visualize their analyzed data in a more efficient and insightful manner.## What You Will Learn* Get acquainted with NumPy and use arrays and array-oriented computing in data analysis* Process and analyze data using the time-series capabilities of Pandas* Understand the statistical and mathematical concepts behind predictive analytics algorithms* Data visualization with Matplotlib* Interactive plotting with NumPy, Scipy, and MKL functions* Build financial models using Monte-Carlo simulations* Create directed graphs and multi-graphs* Advanced visualization with D3## In DetailYou will start the course with an introduction to the principles of data analysis and supported libraries, along with NumPy basics for statistics and data processing. Next, you will overview the Pandas package and use its powerful features to solve data-processing problems. Moving on, you will get a brief overview of the Matplotlib API .Next, you will learn to manipulate time and data structures, and load and store data in a file or database using Python packages. You will learn how to apply powerful packages in Python to process raw data into pure and helpful data using examples. You will also get a brief overview of machine learning algorithms, that is, applying data analysis results to make decisions or building helpful products such as recommendations and predictions using Scikit-learn.After this, you will move on to a data analytics specialization—predictive analytics. Social media and IOT have resulted in an avalanche of data. You will get started with predictive analytics using Python. You will see how to create predictive models from data. You will get balanced information on statistical and mathematical concepts, and implement them in Python using libraries such as Pandas, scikit-learn, and NumPy. You'll learn more about the best predictive modeling algorithms such as Linear Regression, Decision Tree, and Logistic Regression. Finally, you will master best practices in predictive modeling.After this, you will get all the practical guidance you need to help you on the journey to effective data visualization. Starting with a chapter on data frameworks, which explains the transformation of data into information and eventually knowledge, this path subsequently cover the complete visualization process using the most popular Python libraries with working examplesThis Learning Path combines some of the best that Packt has to offer in one complete, curated package. It includes content from the following Packt products:* Getting Started with Python Data Analysis, Phuong Vo.T.H &Martin Czygan* Learning Predictive Analytics with Python, Ashish Kumar* Mastering Python Data Visualization, Kirthi Raman## Style and approachThe course acts as a step-by-step guide to get you familiar with data analysis and the libraries supported by Python with the help of real-world examples and datasets. It also helps you gain practical insights into predictive modeling by implementing predictive-analytics algorithms on public datasets with Python. The course offers a wealth of practical guidance to help you on this journey to data visualization.