دانلود کتاب Practical Data Analysis (Python, MongoDB, Apache Spark) – تجزیه و تحلیل داده های عملی (Python، MongoDB، Apache Spark)

توضیحات

For small businesses, analyzing the information contained in their data using open source technology could be game-changing. All you need is some basic programming and mathematical skills to do just that. Overview Explore how to analyze your data in various innovative ways and turn them into insight Learn to use the D3.js visualization tool for exploratory data analysis Understand how to work with graphs and social data analysis Discover how to perform advanced query techniques and run MapReduce on MongoDB In Detail Plenty of small businesses face big amounts of data but lack the internal skills to support quantitative analysis. Understanding how to harness the power of data analysis using the latest open source technology can lead them to providing better customer service, the visualization of customer needs, or even the ability to obtain fresh insights about the performance of previous products. Practical Data Analysis is a book ideal for home and small business users who want to slice and dice the data they have on hand with minimum hassle. Practical Data Analysis is a hands-on guide to understanding the nature of your data and turn it into insight. It will introduce you to the use of machine learning techniques, social networks analytics, and econometrics to help your clients get insights about the pool of data they have at hand. Performing data preparation and processing over several kinds of data such as text, images, graphs, documents, and time series will also be covered. Practical Data Analysis presents a detailed exploration of the current work in data analysis through self-contained projects. First you will explore the basics of data preparation and transformation through OpenRefine. Then you will get started with exploratory data analysis using the D3js visualization framework. You will also be introduced to some of the machine learning techniques such as, classification, regression, and clusterization through practical projects such as spam classification, predicting gold prices, and finding clusters in your Facebook friends’ network. You will learn how to solve problems in text classification, simulation, time series forecast, social media, and MapReduce through detailed projects. Finally you will work with large amounts of Twitter data using MapReduce to perform a sentiment analysis implemented in Python and MongoDB. Practical Data Analysis contains a combination of carefully selected algorithms and data scrubbing that enables you to turn your data into insight. What you will learn from this book Work with data to get meaningful results from your data analysis projects Visualize your data to find trends and correlations Build your own image similarity search engine Learn how to forecast numerical values from time series data Create an interactive visualization for your social media graph Explore the MapReduce framework in MongoDB Create interactive simulations with D3js Approach Practical Data Analysis is a practical, step-by-step guide to empower small businesses to manage and analyze your data and extract valuable information from the data Who this book is written for This book is for developers, small business users, and analysts who want to implement data analysis and visualization for their company in a practical way. You need no prior experience with data analysis or data processing; however, basic knowledge of programming, statistics, and linear algebra is assumed.

————————————————————–

ترجمه ماشینی :

برای کسب و کارهای کوچک، تجزیه و تحلیل اطلاعات موجود در داده های آنها با استفاده از فناوری منبع باز می تواند بازی را تغییر دهد. تنها چیزی که برای انجام این کار نیاز دارید، مهارت های برنامه نویسی و ریاضی پایه است. بررسی اجمالی نحوه تجزیه و تحلیل داده‌های خود را به روش‌های مختلف ابتکاری و تبدیل آنها به بینش کاوش کنید استفاده از ابزار تجسم D3.js برای تجزیه و تحلیل داده‌های اکتشافی را بدانید نحوه کار با نمودارها و تجزیه و تحلیل داده‌های اجتماعی را بیاموزید. MongoDB در جزئیات بسیاری از مشاغل کوچک با حجم زیادی از داده ها روبرو هستند اما فاقد مهارت های داخلی برای پشتیبانی از تجزیه و تحلیل کمی هستند. درک چگونگی استفاده از قدرت تجزیه و تحلیل داده ها با استفاده از آخرین فناوری منبع باز می تواند آنها را به ارائه خدمات بهتر به مشتریان، تجسم نیازهای مشتری یا حتی توانایی به دست آوردن بینش تازه در مورد عملکرد محصولات قبلی هدایت کند. تجزیه و تحلیل داده های عملی کتابی ایده آل برای کاربران خانگی و مشاغل کوچک است که می خواهند داده هایی را که در دست دارند را با حداقل دردسر برش دهند. تحلیل عملی داده ها راهنمای عملی برای درک ماهیت داده های شما و تبدیل آن به بینش است. شما را با استفاده از تکنیک‌های یادگیری ماشین، تجزیه و تحلیل شبکه‌های اجتماعی و اقتصادسنجی آشنا می‌کند تا به مشتریان شما کمک کند تا بینش‌هایی درباره مجموعه داده‌هایی که در دست دارند به دست آورند. انجام آماده سازی و پردازش داده ها بر روی چندین نوع داده مانند متن، تصاویر، نمودارها، اسناد و سری های زمانی نیز پوشش داده خواهد شد. تجزیه و تحلیل داده های عملی، کاوش دقیقی از کار فعلی در تجزیه و تحلیل داده ها از طریق پروژه های مستقل ارائه می دهد. ابتدا اصول آماده سازی و تبدیل داده ها را از طریق OpenRefine بررسی خواهید کرد. سپس با استفاده از چارچوب تجسم D3js با تجزیه و تحلیل داده های اکتشافی شروع می کنید. شما همچنین با برخی از تکنیک های یادگیری ماشینی مانند طبقه بندی، رگرسیون و خوشه بندی از طریق پروژه های عملی مانند طبقه بندی هرزنامه ها، پیش بینی قیمت طلا و یافتن خوشه ها در شبکه دوستان فیس بوک خود آشنا خواهید شد. نحوه حل مشکلات در طبقه بندی متن، شبیه سازی، پیش بینی سری های زمانی، رسانه های اجتماعی و MapReduce را از طریق پروژه های دقیق یاد خواهید گرفت. در نهایت شما با استفاده از MapReduce با حجم زیادی از داده های توییتر کار خواهید کرد تا تجزیه و تحلیل احساسات پیاده سازی شده در Python و MongoDB را انجام دهید. تجزیه و تحلیل داده های عملی شامل ترکیبی از الگوریتم های با دقت انتخاب شده و پاکسازی داده ها است که به شما امکان می دهد داده های خود را به بینش تبدیل کنید. آنچه از این کتاب یاد خواهید گرفت با داده ها کار کنید تا از پروژه های تجزیه و تحلیل داده خود نتایج معنی داری دریافت کنید. داده های خود را برای یافتن روندها و همبستگی ها تجسم کنید موتور جستجوی شباهت تصویر خود را بسازید یاد بگیرید چگونه مقادیر عددی را از داده های سری زمانی پیش بینی کنید یک تصویرسازی تعاملی برای خود ایجاد کنید. نمودار رسانه های اجتماعی کاوش چارچوب MapReduce در MongoDB ایجاد شبیه سازی های تعاملی با رویکرد D3js. تجزیه و تحلیل داده های عملی یک راهنمای عملی و گام به گام برای توانمندسازی کسب و کارهای کوچک برای مدیریت و تجزیه و تحلیل داده های شما و استخراج اطلاعات ارزشمند از داده ها است که این کتاب نوشته شده است. برای این کتاب برای توسعه دهندگان، کاربران مشاغل کوچک و تحلیلگرانی است که می خواهند تجزیه و تحلیل و تجسم داده ها را برای شرکت خود به صورت عملی پیاده سازی کنند. شما نیازی به تجربه قبلی با تجزیه و تحلیل داده یا پردازش داده ندارید. با این حال، دانش اولیه برنامه نویسی، آمار و جبر خطی فرض شده است.

tag : دانلود کتاب تجزیه و تحلیل داده های عملی (Python، MongoDB، Apache Spark) , Download تجزیه و تحلیل داده های عملی (Python، MongoDB، Apache Spark) , دانلود تجزیه و تحلیل داده های عملی (Python، MongoDB، Apache Spark) , Download Practical Data Analysis (Python, MongoDB, Apache Spark) Book , تجزیه و تحلیل داده های عملی (Python، MongoDB، Apache Spark) دانلود , buy تجزیه و تحلیل داده های عملی (Python، MongoDB، Apache Spark) , خرید کتاب تجزیه و تحلیل داده های عملی (Python، MongoDB، Apache Spark) , دانلود کتاب Practical Data Analysis (Python, MongoDB, Apache Spark) , کتاب Practical Data Analysis (Python, MongoDB, Apache Spark) , دانلود Practical Data Analysis (Python, MongoDB, Apache Spark) , خرید Practical Data Analysis (Python, MongoDB, Apache Spark) , خرید کتاب Practical Data Analysis (Python, MongoDB, Apache Spark) ,