
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.
مهارتهای پایهای علم داده را بسازید تا بتوانید با الگوریتمهای پیچیدهٔ این حوزه کار کنید و آنها را بهتر بفهمید. این کتاب مثالمحور، نمونههای کامل کدنویسی پایتون را ارائه میدهد تا مفاهیم علم داده را روشنتر کند و یادگیری را غنیتر سازد. در مثالهای کدنویسی، هرجا مناسب باشد، از تصویرسازی هم استفاده شده است. این کتاب پیشنیاز لازم برای بهکارگیری و پیادهسازی الگوریتمهای یادگیری ماشین است. کتاب خودکفاست. همهٔ مهارتهای ریاضی، آمار، تصادفی و برنامهنویسی که برای تسلط بر محتوا لازم است، پوشش داده شدهاند. دانش عمیق برنامهنویسی شیءگرا لازم نیست، چون مثالهای کامل ارائه و توضیح داده شدهاند. مبانی علم داده با پایتون و مانگودیبی نقطهٔ شروع عالی برای کسانی است که به دنبال شغل در علم داده هستند. مثل هر علم دیگری، مبانی علم داده پیشنیاز شایستگی است. بدون تسلط بر ریاضیات، آمار، دستکاری داده و کدنویسی، مسیر موفقیت در بهترین حالت هم «پرسنگلاخ» است. مثالهای کدنویسی این کتاب مختصر، دقیق و کاملاند و مفاهیم معرفیشدهٔ علم داده را بهخوبی تکمیل میکنند. آنچه یاد میگیرید آمادهشدن برای شغل در علم داده کار با ساختارهای پیچیدهٔ داده در پایتون شبیهسازی با مونتکارلو و الگوریتمهای تصادفی بهکارگیری جبر خطی با بردارها و ماتریسها استفاده از الگوریتمهای پیچیده مثل نزول گرادیان و تحلیل مؤلفههای اصلی آمادهسازی، پاکسازی، تصویرسازی و حل مسئله با داده استفاده از مانگودیبی و جیسان برای کار با داده این کتاب برای چه کسانی است تازهکاری که مشتاق ورود به دنیای علم داده است، و علاقهمندی که میخواهد با تسلط بر مبانی زیربنایی—که گاهی در شتاب برای بازدهی سریع نادیده گرفته میشوند—مهارتهای علم داده خود را غنیتر، عمیقتر و پیشرفتهتر کند. کمی آشنایی با برنامهنویسی شیءگرا یادگیری را آسانتر میکند.
Build the foundational data science skills necessary to work with and better understand complex data science algorithms. This example-driven book provides complete Python coding examples to complement and clarify data science concepts, and enrich the learning experience. Coding examples include visualizations whenever appropriate. The book is a necessary precursor to applying and implementing machine learning algorithms. The book is self-contained. All of the math, statistics, stochastic, and programming skills required to master the content are covered. In-depth knowledge of object-oriented programming isn’t required because complete examples are provided and explained. Data Science Fundamentals with Python and MongoDB is an excellent starting point for those interested in pursuing a career in data science. Like any science, the fundamentals of data science are a prerequisite to competency. Without proficiency in mathematics, statistics, data manipulation, and coding, the path to success is “rocky” at best. The coding examples in this book are concise, accurate, and complete, and perfectly complement the data science concepts introduced. What You'll Learn Prepare for a career in data science Work with complex data structures in Python Simulate with Monte Carlo and Stochastic algorithms Apply linear algebra using vectors and matrices Utilize complex algorithms such as gradient descent and principal component analysis Wrangle, cleanse, visualize, and problem solve with data Use MongoDB and JSON to work with data Who This Book Is For The novice yearning to break into the data science world, and the enthusiast looking to enrich, deepen, and develop data science skills through mastering the underlying fundamentals that are sometimes skipped over in the rush to be productive. Some knowledge of object-oriented programming will make learning easier.