توضیحات
Introduction : What is data science? — Statistical inference, exploratory data analysis, and the data science process — Algorithms — Spam filters, naive bayes, and wrangling — Logistic regression — Time stamps and financial modeling — Extracting meaning from data — Recommendation engines : building a user-facing data product at scale — Data visualization and fraud detection — Social networks and data journalism — Causality — Epidemiology — Lessons learned from data competitions : data leakage and model evaluation — Data engineering : MapReduce, Pregel, and Hadoop — The students speak — Next-generation data scientists, hubris, and ethics.
————————————————————–
ترجمه ماشینی :
مقدمه: علم داده چیست؟ – استنتاج آماری، تجزیه و تحلیل دادههای اکتشافی، و فرآیند علم داده – الگوریتمها – فیلترهای هرزنامه، محافل ساده و مشاجره – رگرسیون لجستیک – تمبرهای زمانی و مدلسازی مالی – استخراج معنا از دادهها – موتورهای توصیه: ساختمان یک محصول داده در مقیاس کاربر – تجسم دادهها و کشف تقلب – شبکههای اجتماعی و روزنامهنگاری دادهها – علیت – اپیدمیولوژی – درسهای آموختهشده از رقابتهای داده: نشت داده و ارزیابی مدل – مهندسی داده: MapReduce، Pregel، و هادوپ — دانش آموزان صحبت می کنند — نسل بعدی دانشمندان داده، غرور و اخلاق.
tag : دانلود کتاب انجام علم داده , Download انجام علم داده , دانلود انجام علم داده , Download Doing data science Book , انجام علم داده دانلود , buy انجام علم داده , خرید کتاب انجام علم داده , دانلود کتاب Doing data science , کتاب Doing data science , دانلود Doing data science , خرید Doing data science , خرید کتاب Doing data science ,

نقد و بررسیها
هنوز بررسیای ثبت نشده است.