توضیحات
This book provides a practical and fairly comprehensive review of Data Science through the lensof dimensionality reduction, as well as hands-on techniques to tackle problems with data collected in the real world. State-of-the-art results and solutions from statistics, computer science and mathematics are explained from the point of view of a practitioner in any domain science, such as biology, cyber security, chemistry, sports science and many others. Quantitative and qualitative assessment methods are described to implement and validate the solutions back in the real world where the problems originated.
The ability to generate, gather and store volumes of data in the order of tera- and exo bytes daily has far outpaced our ability to derive useful information with available computational resources for many domains.
This book focuses on data science and problem definition, data cleansing, feature selection and extraction, statistical, geometric, information-theoretic, biomolecular and machine learning methods for dimensionality reduction of big datasets and problem solving, as well as a comparative assessment of solutions in a real-world setting.
This book targets professionals working within related fields with an undergraduate degree in any science area, particularly quantitative. Readers should be able to follow examples in this book that introduce each method or technique. These motivating examples are followed by precise definitions of the technical concepts required and presentation of the results in general situations. These concepts require a degree of abstraction that can be followed by re-interpreting concepts like in the original example(s). Finally, each section closes with solutions to the original problem(s) afforded by these techniques, perhaps in various ways to compare and contrast dis/advantages toother solutions.
————————————————————–
ترجمه ماشینی :
این کتاب یک بررسی عملی و نسبتاً جامع از علم داده از طریق کاهش ابعاد لنز و همچنین تکنیکهای عملی برای مقابله با مشکلات دادههای جمعآوریشده در دنیای واقعی ارائه میکند. نتایج و راه حل های پیشرفته از آمار، علوم کامپیوتر و ریاضیات از دیدگاه یک متخصص در هر علم حوزه ای مانند زیست شناسی، امنیت سایبری، شیمی، علوم ورزشی و بسیاری دیگر توضیح داده می شود. روشهای ارزیابی کمی و کیفی برای پیادهسازی و تأیید راهحلها در دنیای واقعی که منشأ مشکلات است، توصیف شدهاند.
قابلیت تولید، جمعآوری و ذخیره حجمهای داده به ترتیب بایتهای ترا و برونروی روزانه بسیار پیشتر است. توانایی ما برای استخراج اطلاعات مفید با منابع محاسباتی موجود برای بسیاری از حوزهها.
این کتاب بر علم داده و تعریف مسئله، پاکسازی دادهها، انتخاب و استخراج ویژگی، روشهای آماری، هندسی، نظری اطلاعات، بیومولکولی و روشهای یادگیری ماشین برای ابعاد تمرکز دارد. کاهش مجموعه دادههای بزرگ و حل مسئله، و همچنین ارزیابی مقایسهای راهحلها در یک محیط واقعی.
این کتاب متخصصانی را که در زمینههای مرتبط با مدرک کارشناسی در هر حوزه علمی، به ویژه کمی، کار میکنند، هدف قرار میدهد. خوانندگان باید بتوانند نمونه هایی را در این کتاب دنبال کنند که هر روش یا تکنیک را معرفی می کند. این مثالهای انگیزشی با تعاریف دقیق مفاهیم فنی مورد نیاز و ارائه نتایج در موقعیتهای کلی دنبال میشوند. این مفاهیم نیاز به درجه ای از انتزاع دارند که می توان آن را با تفسیر مجدد مفاهیم مانند مثال(های مثال) اصلی دنبال کرد. در نهایت، هر بخش با راهحلهایی برای مشکل(های) اصلی که توسط این تکنیکها ارائه میشود، بسته میشود، شاید به روشهای مختلف برای مقایسه و تضاد با راهحلهای دندانپزشکی یا مزایای آن.
tag : دانلود کتاب کاهش ابعاد در علم داده , Download کاهش ابعاد در علم داده , دانلود کاهش ابعاد در علم داده , Download Dimensionality Reduction in Data Science Book , کاهش ابعاد در علم داده دانلود , buy کاهش ابعاد در علم داده , خرید کتاب کاهش ابعاد در علم داده , دانلود کتاب Dimensionality Reduction in Data Science , کتاب Dimensionality Reduction in Data Science , دانلود Dimensionality Reduction in Data Science , خرید Dimensionality Reduction in Data Science , خرید کتاب Dimensionality Reduction in Data Science ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.