توضیحات
pt. I. Getting started with Python for data science — Discovering the match between data science and Python — Introducing Python’s capabilities and wonders — Setting up Python for data science — Reviewing basic Python — pt. II. Getting your hands dirty with data — Working with real data — Conditioning your data — Shaping data — Putting what you know in action — pt. III. Visualizing the invisible — Getting a crash course in MatPlotLib — Visualizing the data — Understanding the tools — pt. IV. Wrangling data — Stretching Python’s capabilities — Exploring data analysis — Reducing dimensionality — Clustering — Detecting outliers in data — pt. V. Learning from data — Exploring four simple and effective algorithms — Performing cross-validation, selection, and optimization — Increasing complexity with linear and nonlinear tricks — Understanding the power of the many — pt. VI. The part of tens — Ten essential data science resource collections — Ten data challenges you should take.;Python is the preferred programming language for data scientists and combines the best features of Matlab, Mathematica, and R into libraries specific to data analysis and visualization. You’ll get familiar with the Python development environment, manipulate data, design compelling visualizations, and solve scientific computing challenges as you work your way through this user-friendly guide. It covers the fundamentals of Python data analysis programming and statistics to help you build a solid foundation in data science concepts like probability, random distributions, hypothesis testing, and regression models; explains objects, functions, modules, and libraries and their role in data analysis; walks you through some of the most widely-used libraries, including NumPy, SciPy, BeautifulSoup, Pandas, and MatPlobLib. —
————————————————————–
ترجمه ماشینی :
pt I. شروع به کار با Python برای علوم داده – کشف مسابقه بین علم داده و پایتون – معرفی قابلیت ها و شگفتی های پایتون – راه اندازی پایتون برای علم داده – مرور پایتون اساسی – Pt. ii. دست خود را با داده ها کثیف کنید – کار با داده های واقعی – شرط بندی داده های شما – شکل دادن به داده ها – قرار دادن آنچه می دانید در عمل – PT. iii تجسم نامرئی – گرفتن یک دوره تصادف در Matplotlib – تجسم داده ها – درک ابزارها – Pt. IV داده های Wrangling – کشش قابلیت های پایتون – کاوش در تجزیه و تحلیل داده ها – کاهش ابعاد – خوشه بندی – تشخیص دور در داده ها – Pt. V. یادگیری از داده ها-کاوش در چهار الگوریتم ساده و مؤثر-انجام اعتبار سنجی ، انتخاب و بهینه سازی-افزایش پیچیدگی با ترفندهای خطی و غیرخطی-درک قدرت بسیاری-Pt. vi بخشی از TENS – ده مجموعه منابع علوم داده ضروری – ده چالش داده ای که باید در نظر بگیرید. ؛ پایتون زبان برنامه نویسی مورد نظر برای دانشمندان داده است و بهترین ویژگی های MATLAB ، MATHEMATICA و R را در کتابخانه های خاص برای تجزیه و تحلیل داده ها و ترکیب می کند تجسم. شما با محیط توسعه پایتون آشنا می شوید ، داده ها را دستکاری می کنید ، تجسم های قانع کننده را طراحی می کنید و چالش های محاسباتی علمی را حل می کنید زیرا راه خود را از طریق این راهنمای کاربر پسند کار می کنید. این اصول برنامه نویسی و آمار تجزیه و تحلیل داده های پایتون را در بر می گیرد تا به شما در ایجاد یک پایه محکم در مفاهیم علوم داده مانند احتمال ، توزیع تصادفی ، آزمایش فرضیه و مدل های رگرسیون کمک کند. اشیاء ، توابع ، ماژول ها و کتابخانه ها و نقش آنها در تجزیه و تحلیل داده ها را توضیح می دهد. شما را از طریق برخی از کتابخانه های پرکاربرد ، از جمله Numpy ، Scipy ، Beautifulsoup ، Pandas و Matploblib قدم می زند. –
tag : دانلود کتاب پایتون برای علوم داده برای آدمک ها , Download پایتون برای علوم داده برای آدمک ها , دانلود پایتون برای علوم داده برای آدمک ها , Download Python for Data Science For Dummies Book , پایتون برای علوم داده برای آدمک ها دانلود , buy پایتون برای علوم داده برای آدمک ها , خرید کتاب پایتون برای علوم داده برای آدمک ها , دانلود کتاب Python for Data Science For Dummies , کتاب Python for Data Science For Dummies , دانلود Python for Data Science For Dummies , خرید Python for Data Science For Dummies , خرید کتاب Python for Data Science For Dummies ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.