توضیحات
Learn how to process and analysis data using Python
Key Features
The book has theories explained elaborately along with Python code and corresponding output to support the theoretical explanations. The Python codes are provided with step-by-step comments to explain each instruction of the code.
The book is not just dealing with the background mathematics alone or only the programs but beautifully correlates the background mathematics to the theory and then finally translating it into the programs.
A rich set of chapter-end exercises are provided, consisting of both short-answer questions and long-answer questions.
Description
This book introduces the fundamental concepts of Data Science, which has proved to be a major game-changer in business solving problems.
Topics covered in the book include fundamentals of Data Science, data preprocessing, data plotting and visualization, statistical data analysis, machine learning for data analysis, time-series analysis, deep learning for Data Science, social media analytics, business analytics, and Big Data analytics. The content of the book describes the fundamentals of each of the Data Science related topics together with illustrative examples as to how various data analysis techniques can be implemented using different tools and libraries of Python programming language.
Each chapter contains numerous examples and illustrative output to explain the important basic concepts. An appropriate number of questions is presented at the end of each chapter for self-assessing the conceptual understanding. The references presented at the end of every chapter will help the readers to explore more on a given topic.
What will you learn
Perform processing on data for making it ready for visual plot and understand the pattern in data over time.
Understand what machine learning is and how learning can be incorporated into a program.
Know how tools can be used to perform analysis on big data using python and other standard tools.
Perform social media analytics, business analytics, and data analytics on any data of a company or organization.
Who this book is for
The book is for readers with basic programming and mathematical skills. The book is for any engineering graduates that wish to apply data science in their projects or wish to build a career in this direction. The book can be read by anyone who has an interest in data analysis and would like to explore more out of interest or to apply it to certain real-life problems.
Table of Contents
1. Fundamentals of Data Science1
2. Data Preprocessing
3. Data Plotting and Visualization
4. Statistical Data Analysis
5. Machine Learning for Data Science
6. Time-Series Analysis
7. Deep Learning for Data Science
8. Social Media Analytics
9. Business Analytics
10. Big Data Analytics
About the Author
Dr. Gypsy Nandi is an Assistant Professor (Sr) in the Department of Computer Applications, Assam Don Bosco University, India. Her areas of interest include Data Science, Social Network Mining, and Machine Learning. She has completed her Ph.D. in the field of Social Network Analysis and Mining. Her research scholars are currently working mainly in the field of Data Science. She has several research publications in reputed journals and book series.
Dr. Rupam Kumar Sharma is an Assistant Professor in the Department of Computer Applications, Assam Don Bosco University, India. His area of interest includes Machine Learning, Data Analytics, Network, and Cyber Security. He has several research publications in reputed SCI and Scopus journals.
————————————————————–
ترجمه ماشینی :
یاد بگیرید که چگونه داده ها را با استفاده از پایتون پردازش و تجزیه و تحلیل کنید ویژگی های کلیدی این کتاب دارای نظریه هایی است که به طور مفصل به همراه کد پایتون و خروجی مربوطه برای پشتیبانی از توضیحات نظری توضیح داده شده است. کدهای پایتون با نظرات گام به گام برای توضیح هر دستورالعمل کد ارائه می شوند. کتاب فقط به ریاضیات پس زمینه به تنهایی یا فقط برنامه ها نمی پردازد، بلکه به زیبایی ریاضیات پس زمینه را با تئوری مرتبط می کند و در نهایت آن را به برنامه ها ترجمه می کند. مجموعه ای غنی از تمرینات پایان فصل ارائه شده است که شامل سؤالات کوتاه پاسخ و سؤالات طولانی است. توضیحات این کتاب مفاهیم اساسی علم داده را معرفی می کند، که ثابت کرده است یک تغییر دهنده اصلی بازی در حل مشکلات کسب و کار است. موضوعات مورد بررسی در کتاب شامل مبانی علم داده، پیش پردازش داده ها، ترسیم و تجسم داده ها، تجزیه و تحلیل داده های آماری، یادگیری ماشین برای تجزیه و تحلیل داده ها، تجزیه و تحلیل سری زمانی، یادگیری عمیق برای علم داده، تجزیه و تحلیل رسانه های اجتماعی، تجزیه و تحلیل کسب و کار و Big است. تجزیه و تحلیل داده ها محتوای کتاب مبانی هر یک از موضوعات مرتبط با علم داده را همراه با مثالهای گویا در مورد چگونگی پیادهسازی تکنیکهای مختلف تجزیه و تحلیل دادهها با استفاده از ابزارها و کتابخانههای مختلف زبان برنامهنویسی پایتون توضیح میدهد. هر فصل شامل مثال های متعدد و خروجی گویا برای توضیح مفاهیم اساسی مهم است. تعداد مناسبی از سوالات در پایان هر فصل برای خودارزیابی درک مفهومی ارائه شده است. ارجاعات ارائه شده در پایان هر فصل به خوانندگان کمک می کند تا در مورد یک موضوع خاص بیشتر تحقیق کنند. چه چیزی را یاد خواهید گرفت پردازش داده را انجام دهید تا آن را برای نمودار بصری آماده کنید و الگوی داده را در طول زمان درک کنید. درک کنید که یادگیری ماشین چیست و چگونه می توان یادگیری را در یک برنامه گنجاند. بدانید که چگونه می توان از ابزارها برای انجام تجزیه و تحلیل داده های بزرگ با استفاده از پایتون و سایر ابزارهای استاندارد استفاده کرد. تجزیه و تحلیل رسانه های اجتماعی، تجزیه و تحلیل تجاری و تجزیه و تحلیل داده ها را بر روی هر داده یک شرکت یا سازمان انجام دهید. این کتاب برای چه کسانی است این کتاب برای خوانندگانی است که مهارت های برنامه نویسی و ریاضی پایه دارند. این کتاب برای فارغ التحصیلان مهندسی است که مایل به استفاده از علم داده در پروژه های خود هستند یا می خواهند در این مسیر شغلی ایجاد کنند. هر کسی که به تجزیه و تحلیل دادهها علاقه دارد و میخواهد از روی علاقه بیشتر کاوش کند یا آن را در برخی از مشکلات زندگی واقعی به کار ببرد، میتواند این کتاب را بخواند. فهرست مطالب 1. مبانی علم داده 1 2. پیش پردازش داده 3. ترسیم و تجسم داده 4. تجزیه و تحلیل داده های آماری 5. یادگیری ماشین برای علم داده 6. تجزیه و تحلیل سری زمانی 7. یادگیری عمیق برای علم داده 8. تجزیه و تحلیل رسانه های اجتماعی 9. تجزیه و تحلیل کسب و کار 10. تجزیه و تحلیل داده های بزرگ درباره نویسنده دکتر جیپسی ناندی استادیار (Sr) در بخش برنامه های کاربردی کامپیوتر، دانشگاه Assam Don Bosco، هند است. . زمینه های مورد علاقه او شامل علم داده، کاوی شبکه اجتماعی و یادگیری ماشین است. او دکترای خود را به پایان رسانده است. در زمینه تحلیل و استخراج شبکه های اجتماعی. محققان تحقیقاتی او در حال حاضر عمدتاً در زمینه علم داده کار می کنند. او چندین نشریه تحقیقاتی در مجلات و مجموعه کتاب های معتبر دارد. دکتر روپام کومار شارما، استادیار دپارتمان برنامه های کاربردی کامپیوتر، دانشگاه آسام دون بوسکو، هند است. حوزه مورد علاقه او شامل یادگیری ماشینی، تجزیه و تحلیل داده، شبکه و امنیت سایبری است. او چندین نشریه تحقیقاتی در مجلات معتبر SCI و Scopus دارد.
tag : دانلود کتاب مبانی علم داده و رویکردهای عملی: درک اینکه چرا علم داده بعدی است , Download مبانی علم داده و رویکردهای عملی: درک اینکه چرا علم داده بعدی است , دانلود مبانی علم داده و رویکردهای عملی: درک اینکه چرا علم داده بعدی است , Download Data Science Fundamentals and Practical Approaches: Understand Why Data Science Is the Next Book , مبانی علم داده و رویکردهای عملی: درک اینکه چرا علم داده بعدی است دانلود , buy مبانی علم داده و رویکردهای عملی: درک اینکه چرا علم داده بعدی است , خرید کتاب مبانی علم داده و رویکردهای عملی: درک اینکه چرا علم داده بعدی است , دانلود کتاب Data Science Fundamentals and Practical Approaches: Understand Why Data Science Is the Next , کتاب Data Science Fundamentals and Practical Approaches: Understand Why Data Science Is the Next , دانلود Data Science Fundamentals and Practical Approaches: Understand Why Data Science Is the Next , خرید Data Science Fundamentals and Practical Approaches: Understand Why Data Science Is the Next , خرید کتاب Data Science Fundamentals and Practical Approaches: Understand Why Data Science Is the Next ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.