
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 قدرت پایتون، برنامههای دادهکاوی بسازید، داده را تحلیل کنید، وارد یادگیری ماشین شوید، تشخیص اشیا را با شبکههای عصبی عمیق بیاموزید و مدلهای پیشبینی روشن و کاربردی بسازید.
درباره این کتاب
* از مجموعهای گسترده از کتابخانههای پایتون برای دادهکاوی عملی استفاده کنید.
* یاد بگیرید چطور با پایتون داده پیدا کنید، آن را دستکاری و تحلیل کنید و به تصویر بکشید.
* دستورالعملهای گامبهگام برای تکنیکهای دادهکاوی با پایتون که کاربرد واقعی دارند.
این کتاب برای چه کسانی است
اگر برنامهنویس پایتون هستید و میخواهید وارد دادهکاوی شوید، این کتاب برای شماست. اگر تحلیلگر داده هستید و میخواهید با قدرت پایتون دادهکاوی را بهشکل کارآمد انجام دهید، این کتاب به شما هم کمک میکند. نیازی به تجربه قبلی در دادهکاوی نیست.
آنچه یاد میگیرید
* مفاهیم دادهکاوی را روی مسائل واقعی بهکار ببرید
* نتیجه مسابقات ورزشی را بر اساس نتایج گذشته پیشبینی کنید
* نویسنده یک متن را بر اساس سبک نوشتنش تشخیص دهید
* با APIها مجموعه داده را از شبکههای اجتماعی و دیگر سرویسهای آنلاین دانلود کنید
* از مجموعه دادههای دشوار، ویژگیهای خوب پیدا و استخراج کنید
* مدلهایی بسازید که مسائل واقعی را حل میکنند
* برنامههای دادهکاوی را با انواع مجموعه داده طراحی و توسعه دهید
* با شبکههای عصبی عمیق، اشیا را در تصاویر تشخیص دهید
* با تصویرسازیهای ساده و قابلفهم، بینشهای معنادار از داده بگیرید
* روی دادههای بزرگ، از جمله داده بلادرنگ از اینترنت، محاسبه انجام دهید
با جزئیات بیشتر
این کتاب به شما یاد میدهد چطور برنامههای دادهکاوی را با انواع مجموعه داده طراحی و توسعه دهید؛ از طبقهبندی پایه و تحلیل وابستگی شروع میکند. تعداد زیادی از کتابخانههای پایتون را پوشش میدهد؛ از جمله Jupyter Notebook، pandas، scikit-learn و NLTK. با انواع پیچیده داده مثل متن، تصویر و گراف تجربه عملی بهدست میآورید. همچنین با تشخیص اشیا با شبکههای عصبی عمیق آشنا میشوید؛ یکی از حوزههای بزرگ و دشوار یادگیری ماشین در حال حاضر. با مثالهای بازسازیشده و نمونهکدهای بهروز برای آخرین نسخه پایتون، هر فصل الگوریتمها و تکنیکهای تازهای را معرفی میکند. در پایان کتاب، درک خوبی از کاربرد پایتون در دادهکاوی و نیز از الگوریتمها و پیادهسازیها خواهید داشت.
سبک و رویکرد
این کتاب راهنمای جامعی برای یادگیری تکنیکهای مختلف دادهکاوی و پیادهسازی آنها در پایتون است. با مجموعه دادههای واقعی گوناگون، تکنیکهای دادهکاوی را بهشکلی روشن و آسان توضیح میدهد.
Harness the power of Python to develop data mining applications, analyze data, delve into machine learning, explore object detection using Deep Neural Networks, and create insightful predictive models. About This Book* Use a wide variety of Python libraries for practical data mining purposes.* Learn how to find, manipulate, analyze, and visualize data using Python.* Step-by-step instructions on data mining techniques with Python that have real-world applications. Who This Book Is ForIf you are a Python programmer who wants to get started with data mining, then this book is for you. If you are a data analyst who wants to leverage the power of Python to perform data mining efficiently, this book will also help you. No previous experience with data mining is expected. What You Will Learn* Apply data mining concepts to real-world problems* Predict the outcome of sports matches based on past results* Determine the author of a document based on their writing style* Use APIs to download datasets from social media and other online services* Find and extract good features from difficult datasets* Create models that solve real-world problems* Design and develop data mining applications using a variety of datasets* Perform object detection in images using Deep Neural Networks* Find meaningful insights from your data through intuitive visualizations* Compute on big data, including real-time data from the internetIn DetailThis book teaches you to design and develop data mining applications using a variety of datasets, starting with basic classification and affinity analysis. This book covers a large number of libraries available in Python, including the Jupyter Notebook, pandas, scikit-learn, and NLTK. You will gain hands on experience with complex data types including text, images, and graphs. You will also discover object detection using Deep Neural Networks, which is one of the big, difficult areas of machine learning right now. With restructured examples and code samples updated for the latest edition of Python, each chapter of this book introduces you to new algorithms and techniques. By the end of the book, you will have great insights into using Python for data mining and understanding of the algorithms as well as implementations. Style and approachThis book will be your comprehensive guide to learning the various data mining techniques and implementing them in Python. A variety of real-world datasets is used to explain data mining techniques in a very crisp and easy to understand manner