
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 یک رویکرد مدرن به تحلیل داده، یاد بگیرید چطور با پایتون از قدرت برنامهنویسی و هوش مصنوعی روی دادههایتان استفاده کنید. مطالعات موردی دقیق، این رویکرد را در دادهٔ تصویری، شبکههای اجتماعی، الگوریتمهای گراف و تحلیل سری زمانی زنده میکنند.
ویژگیهای کلیدی
تحلیل دادهتان را به قدرت برنامهنویسی، الگوریتمهای پیچیده و هوش مصنوعی پیوند بزنید
با پایتون و کتابخانههای گستردهاش به سطح تازهای از بینش داده برسید
با الگوریتمهای هوش مصنوعی، TensorFlow، الگوریتمهای گراف، پردازش زبان طبیعی و سری زمانی مالی کار کنید
این رویکرد مدرن را در مطالعات موردی مهم صنعت و پروژههای عملی ببینید
دربارهٔ کتاب
کتاب «تحلیل داده با پایتون» رویکردی مدرن به تحلیل داده ارائه میدهد تا بتوانید با جدیدترین و قدرتمندترین ابزارهای پایتون، تکنیکهای هوش مصنوعی و کتابخانههای متنباز کار کنید. دیوید طیب، متخصص صنعت، نشان میدهد چطور علم داده را به قدرت برنامهنویسی و الگوریتمها در پایتون وصل کنید. با الگوریتمهای پیچیده و هوش مصنوعی روزآمد در تحلیل دادهتان کار خواهید کرد. یاد بگیرید چطور با مثالهای عملی و ابزارهای مبتنی بر پایتون و Jupyter Notebook داده را تحلیل کنید. تعادل مناسبی از نظریه و عمل پیدا میکنید، همراه با فایلهای کد گسترده که میتوانید مستقیم در پروژههای دادهٔ خودتان به کار ببرید.
سپس با بهکارگیری این رویکرد در مطالعات موردی مهم صنعت، قدرتش را کشف کنید. چهار پروژهٔ جذاب و کامل شما را با حیاتیترین چالشهای تحلیل داده که امروز احتمالاً با آنها روبهرو میشوید آشنا میکند. اولی یک برنامهٔ تشخیص تصویر با TensorFlow است که اهمیت امروز هوش مصنوعی در تحلیل داده را نشان میدهد. پروژهٔ دوم صنعت، روندهای شبکههای اجتماعی را تحلیل میکند و مسائل کلانداده و رویکردهای هوش مصنوعی به پردازش زبان طبیعی را میکاود. سومین مطالعهٔ موردی یک برنامهٔ تحلیل سبد مالی است که شما را با تحلیل سری زمانی درگیر میکند — موضوعی محوری در بسیاری از کاربردهای علم دادهٔ امروز. چهارمین مورد استفادهٔ صنعتی شما را وارد الگوریتمهای گراف و قدرت برنامهنویسی در علم دادهٔ مدرن میکند. در پایان، نگاهی سنجیده به آیندهٔ علم داده و اینکه چطور قدرت الگوریتمها و هوش مصنوعی را به کار خواهد گرفت خواهید داشت.
آنچه یاد میگیرید
مجموعه ابزاری تازه که با دقت برای چالشهای تحلیل دادهتان طراحی شده است
مطالعات موردی کامل و جزئی از این مجموعه ابزار در چند زمینهٔ کلیدی صنعت امروز
با مجموعه ابزاری تازه در پایتون و Jupyter Notebook بسیار پربازده شوید
به آیندهٔ علم داده نگاه کنید و ببینید مهارتهایتان را به کدام سو ببرید
این کتاب برای چه کسانی است
این کتاب برای توسعهدهندگانی است که میخواهند فاصلهٔ بین خودشان و دانشمندان داده را کم کنند. با معرفی PixieDust از سازندهاش، این کتاب همراه مناسبی روی میز دانشمند دادهٔ باتجربه هم هست. مقداری تسلط در تفسیر و بصریسازی داده فرض شده است. داشتن کمی دانش پایتون، کار با کتابخانههای پایتون و مقداری مهارت در توسعهٔ وب مفید خواهد بود.
فهرست مطالب
برنامهنویسی و علم داده: مجموعه ابزاری تازه
پایتون و Jupyter Notebooks برای تقویت تحلیل داده
شتابدادن به تحلیل داده با کتابخانههای پایتون
انتشار تحلیل داده روی وب — ابزار PixieApp
پایتون و PixieDust: بهترین روشها و مفاهیم پیشرفته
تحلیل هوش مصنوعی و تشخیص تصویر با TensorFlow
تحلیل NLP و کلانداده با تحلیل احساسات توییتر
تحلیل پیشبینی — سری زمانی مالی
Learn a modern approach to data analysis using Python to harness the power of programming and AI across your data. Detailed case studies bring this modern approach to life across visual data, social media, graph algorithms, and time series analysis.Key FeaturesBridge your data analysis with the power of programming, complex algorithms, and AIUse Python and its extensive libraries to power your way to new levels of data insightWork with AI algorithms, TensorFlow, graph algorithms, NLP, and financial time seriesExplore this modern approach across with key industry case studies and hands-on projectsBook DescriptionData Analysis with Python offers a modern approach to data analysis so that you can work with the latest and most powerful Python tools, AI techniques, and open source libraries. Industry expert David Taieb shows you how to bridge data science with the power of programming and algorithms in Python. You'll be working with complex algorithms, and cutting-edge AI in your data analysis. Learn how to analyze data with hands-on examples using Python-based tools and Jupyter Notebook. You'll find the right balance of theory and practice, with extensive code files that you can integrate right into your own data projects.Explore the power of this approach to data analysis by then working with it across key industry case studies. Four fascinating and full projects connect you to the most critical data analysis challenges youre likely to meet in today. The first of these is an image recognition application with TensorFlow embracing the importance today of AI in your data analysis. The second industry project analyses social media trends, exploring big data issues and AI approaches to natural language processing. The third case study is a financial portfolio analysis application that engages you with time series analysis - pivotal to many data science applications today. The fourth industry use case dives you into graph algorithms and the power of programming in modern data science. You'll wrap up with a thoughtful look at the future of data science and how it will harness the power of algorithms and artificial intelligence.What you will learnA new toolset that has been carefully crafted to meet for your data analysis challengesFull and detailed case studies of the toolset across several of todays key industry contextsBecome super productive with a new toolset across Python and Jupyter NotebookLook into the future of data science and which directions to develop your skills nextWho this book is forThis book is for developers wanting to bridge the gap between them and data scientists. Introducing PixieDust from its creator, the book is a great desk companion for the accomplished Data Scientist. Some fluency in data interpretation and visualization is assumed. It will be helpful to have some knowledge of Python, using Python libraries, and some proficiency in web development.Table of ContentsProgramming and Data Science A New ToolsetPython and Jupyter Notebooks to Power your Data AnalysisAccelerate your Data Analysis with Python LibrariesPublish your Data Analysis to the Web - the PixieApp ToolPython and PixieDust Best Practices and Advanced ConceptsAnalytics AI and Image Recognition with TensorFlowAnalytics NLP and Big Data with Twitter Sentiment AnalysisAnalytics Prediction - Financial Time