توضیحات
Go from messy, unstructured artifacts stored in SQL and NoSQL databases to a neat, well-organized dataset with this quick reference for the busy data scientist. Understand text mining, machine learning, and network analysis; process numeric data with the NumPy and Pandas modules; describe and analyze data using statistical and network-theoretical methods; and see actual examples of data analysis at work. This one-stop solution covers the essential data science you need in Python.Data science is one of the fastest-growing disciplines in terms of academic research, student enrollment, and employment. Python, with its flexibility and scalability, is quickly overtaking the R language for data-scientific projects. Keep Python data-science concepts at your fingertips with this modular, quick reference to the tools used to acquire, clean, analyze, and store data.This one-stop solution covers essential Python, databases, network analysis, natural language processing, elements of machine learning, and visualization. Access structured and unstructured text and numeric data from local files, databases, and the Internet. Arrange, rearrange, and clean the data. Work with relational and non-relational databases, data visualization, and simple predictive analysis (regressions, clustering, and decision trees). See how typical data analysis problems are handled. And try your hand at your own solutions to a variety of medium-scale projects that are fun to work on and look good on your resume.Keep this handy quick guide at your side whether you’re a student, an entry-level data science professional converting from R to Python, or a seasoned Python developer who doesn’t want to memorize every function and option.What You Need: You need a decent distribution of Python 3.3 or above that includes at least NLTK, Pandas, NumPy, Matplotlib, Networkx, SciKit-Learn, and BeautifulSoup. A great distribution that meets the requirements is Anaconda, available for free from www.continuum.io. If you plan to set up your own database servers, you also need MySQL (www.mysql.com) and MongoDB (www.mongodb.com). Both packages are free and run on Windows, Linux, and Mac OS.
————————————————————–
ترجمه ماشینی :
با این مرجع سریع برای دانشمند داده پرمشغله، از مصنوعات نامرتب و بدون ساختار ذخیره شده در پایگاه های داده SQL و NoSQL به یک مجموعه داده منظم و منظم بروید. درک متن کاوی، یادگیری ماشین و تجزیه و تحلیل شبکه؛ پردازش داده های عددی با ماژول های NumPy و Pandas. توصیف و تجزیه و تحلیل داده ها با استفاده از روش های آماری و نظری شبکه. و نمونه های واقعی تجزیه و تحلیل داده ها را در محل کار ببینید. این راه حل یک مرحله ای، علوم داده ضروری مورد نیاز شما در پایتون را پوشش می دهد. علم داده یکی از رشته های در حال رشد از نظر تحقیقات آکادمیک، ثبت نام دانشجو و استخدام است. پایتون با انعطافپذیری و مقیاسپذیری خود، به سرعت از زبان R برای پروژههای علمی داده پیشی میگیرد. مفاهیم علوم داده پایتون را با این مرجع سریع ماژولار به ابزارهای مورد استفاده برای به دست آوردن، تمیز کردن، تجزیه و تحلیل و ذخیره داده ها در دسترس خود نگه دارید. این راه حل یک مرحله ای پایتون، پایگاه های داده، تجزیه و تحلیل شبکه، پردازش زبان طبیعی، عناصر ضروری را پوشش می دهد. یادگیری ماشین و تجسم دسترسی به متن ساختاریافته و بدون ساختار و داده های عددی از فایل های محلی، پایگاه های داده و اینترنت. داده ها را مرتب کنید، مرتب کنید و تمیز کنید. کار با پایگاه های داده رابطه ای و غیر رابطه ای، تجسم داده ها، و تجزیه و تحلیل پیش بینی ساده (رگرسیون، خوشه بندی، و درخت تصمیم). ببینید که چگونه مشکلات تجزیه و تحلیل داده های معمولی مدیریت می شوند. و راهحلهای خود را برای انواع پروژههای در مقیاس متوسط امتحان کنید که کار کردن روی آنها سرگرمکننده است و در رزومه شما خوب به نظر میرسد. چه دانشآموز هستید، چه یک دانشآموز در سطح پایه، این راهنمای سریع مفید را در کنار خود نگه دارید. تبدیل حرفه ای از R به پایتون، یا یک توسعه دهنده باتجربه پایتون که نمی خواهد همه عملکردها و گزینه ها را به خاطر بسپارد. آنچه شما نیاز دارید: به یک توزیع مناسب از Python 3.3 یا بالاتر نیاز دارید که شامل حداقل NLTK، Pandas، NumPy، Matplotlib، Networkx، SciKit-Learn، و BeautifulSoup. یک توزیع عالی که الزامات را برآورده می کند Anaconda است که به صورت رایگان از www.continuum.io در دسترس است. اگر قصد دارید سرورهای پایگاه داده خود را راه اندازی کنید، به MySQL (www.mysql.com) و MongoDB (www.mongodb.com) نیز نیاز دارید. هر دو بسته رایگان هستند و روی ویندوز، لینوکس و سیستم عامل مک اجرا می شوند.
tag : دانلود کتاب ملزومات علم داده در پایتون: جمع آوری – سازماندهی – کاوش – پیش بینی – ارزش , Download ملزومات علم داده در پایتون: جمع آوری – سازماندهی – کاوش – پیش بینی – ارزش , دانلود ملزومات علم داده در پایتون: جمع آوری – سازماندهی – کاوش – پیش بینی – ارزش , Download Data Science Essentials in Python: Collect – Organize – Explore – Predict – Value Book , ملزومات علم داده در پایتون: جمع آوری – سازماندهی – کاوش – پیش بینی – ارزش دانلود , buy ملزومات علم داده در پایتون: جمع آوری – سازماندهی – کاوش – پیش بینی – ارزش , خرید کتاب ملزومات علم داده در پایتون: جمع آوری – سازماندهی – کاوش – پیش بینی – ارزش , دانلود کتاب Data Science Essentials in Python: Collect – Organize – Explore – Predict – Value , کتاب Data Science Essentials in Python: Collect – Organize – Explore – Predict – Value , دانلود Data Science Essentials in Python: Collect – Organize – Explore – Predict – Value , خرید Data Science Essentials in Python: Collect – Organize – Explore – Predict – Value , خرید کتاب Data Science Essentials in Python: Collect – Organize – Explore – Predict – Value ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.