توضیحات
Master the concepts and strategies underlying success and progress in data science.
From the author of the bestsellers, Data Scientist and Julia for Data Science, this book covers four foundational areas of data science. The first area is the data science pipeline including methodologies and the data scientist’s toolbox. The second are essential practices needed in understanding the data including questions and hypotheses. The third are pitfalls to avoid in the data science process. The fourth is an awareness of future trends and how modern technologies like Artificial Intelligence (AI) fit into the data science framework.
The following chapters cover these four foundational areas:
- Chapter 1 – What Is Data Science?
- Chapter 2 – The Data Science Pipeline
- Chapter 3 – Data Science Methodologies
- Chapter 4 – The Data Scientist’s Toolbox
- Chapter 5 – Questions to Ask and the Hypotheses They Are Based On
- Chapter 6 – Data Science Experiments and Evaluation of Their Results
- Chapter 7 – Sensitivity Analysis of Experiment Conclusions
- Chapter 8 – Programming Bugs
- Chapter 9 – Mistakes Through the Data Science Process
- Chapter 10 – Dealing with Bugs and Mistakes Effectively and Efficiently
- Chapter 11 – The Role of Heuristics in Data Science
- Chapter 12 – The Role of AI in Data Science
- Chapter 13 – Data Science Ethics
- Chapter 14 – Future Trends and How to Remain Relevant
Targeted towards data science learners of all levels, this book aims to help the reader go beyond data science techniques and obtain a more holistic and deeper understanding of what data science entails. With a focus on the problems data science tries to solve, this book challenges the reader to become a self-sufficient player in the field.
————————————————————–
ترجمه ماشینی :
بر مفاهیم و استراتژیهای موفقیت و پیشرفت در علم داده تسلط داشته باشید.
از نویسنده کتابهای پرفروش، دانشمند داده و جولیا برای علم داده ، این کتاب چهار حوزه اساسی علم داده را پوشش می دهد. اولین حوزه، خط لوله علم داده شامل متدولوژی ها و جعبه ابزار دانشمند داده است. دومی، اقدامات ضروری برای درک داده ها از جمله سؤالات و فرضیه ها هستند. سومین تلههایی هستند که در فرآیند علم داده باید از آنها اجتناب کرد. چهارم، آگاهی از روندهای آینده و نحوه تطبیق فناوری های مدرن مانند هوش مصنوعی (AI) در چارچوب علم داده است.
فصل های زیر این چهار حوزه اساسی را پوشش می دهند:
- فصل 1 – علم داده چیست؟
- فصل 2 – خط لوله علم داده
- فصل 3 – روش های علم داده
- فصل 4 – جعبه ابزار دانشمند داده
- فصل 5 – سوالاتی که باید بپرسید و فرضیه هایی که بر اساس آنها هستند
- فصل ششم – آزمایشات علم داده و ارزیابی نتایج آنها
- فصل 7 – تجزیه و تحلیل حساسیت نتیجه گیری های آزمایش
- فصل 8 – اشکالات برنامه نویسی
- فصل 9 – اشتباهات در فرآیند علم داده
- فصل 10 – مقابله با اشکالات و اشتباهات به طور موثر و کارآمد
- فصل 11 – نقش اکتشافی در علم داده
- فصل 12 – نقش هوش مصنوعی در علم داده
- فصل 13 – اخلاق علم داده
- فصل 14 – روندهای آینده و چگونه مرتبط باقی بمانیم
هدف این کتاب برای یادگیرندگان علوم داده در تمام سطوح، این است که به خواننده کمک کند فراتر از تکنیک های علم داده رفته و درک جامع تری و عمیق تر از آنچه علم داده مستلزم آن است به دست آورد. این کتاب با تمرکز بر مشکلاتی که علم داده برای حل آن تلاش می کند، خواننده را به چالش می کشد تا به یک بازیگر خودکفا در این زمینه تبدیل شود.
tag : دانلود کتاب علم داده: ذهنیت، روششناسی و باورهای غلط , Download علم داده: ذهنیت، روششناسی و باورهای غلط , دانلود علم داده: ذهنیت، روششناسی و باورهای غلط , Download Data Science: Mindset, Methodologies, and Misconceptions Book , علم داده: ذهنیت، روششناسی و باورهای غلط دانلود , buy علم داده: ذهنیت، روششناسی و باورهای غلط , خرید کتاب علم داده: ذهنیت، روششناسی و باورهای غلط , دانلود کتاب Data Science: Mindset, Methodologies, and Misconceptions , کتاب Data Science: Mindset, Methodologies, and Misconceptions , دانلود Data Science: Mindset, Methodologies, and Misconceptions , خرید Data Science: Mindset, Methodologies, and Misconceptions , خرید کتاب Data Science: Mindset, Methodologies, and Misconceptions ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.