توضیحات
Over 85 recipes to help you complete real-world data science projects in R and Python About This Book – Tackle every step in the data science pipeline and use it to acquire, clean, analyze, and visualize your data – Get beyond the theory and implement real-world projects in data science using R and Python – Easy-to-follow recipes will help you understand and implement the numerical computing concepts Who This Book Is For If you are an aspiring data scientist who wants to learn data science and numerical programming concepts through hands-on, real-world project examples, this is the book for you. Whether you are brand new to data science or you are a seasoned expert, you will benefit from learning about the structure of real-world data science projects and the programming examples in R and Python. What You Will Learn – Learn and understand the installation procedure and environment required for R and Python on various platforms – Prepare data for analysis by implement various data science concepts such as acquisition, cleaning and munging through R and Python – Build a predictive model and an exploratory model – Analyze the results of your model and create reports on the acquired data – Build various tree-based methods and Build random forest In Detail As increasing amounts of data are generated each year, the need to analyze and create value out of it is more important than ever. Companies that know what to do with their data and how to do it well will have a competitive advantage over companies that don’t. Because of this, there will be an increasing demand for people that possess both the analytical and technical abilities to extract valuable insights from data and create valuable solutions that put those insights to use. Starting with the basics, this book covers how to set up your numerical programming environment, introduces you to the data science pipeline, and guides you through several data projects in a step-by-step format. By sequentially working through the steps in each chapter, you will quickly familiarize yourself with the process and learn how to apply it to a variety of situations with examples using the two most popular programming languages for data analysis-R and Python. Style and approach This step-by-step guide to data science is full of hands-on examples of real-world data science tasks. Each recipe focuses on a particular task involved in the data science pipeline, ranging from readying the dataset to analytics and visualization
————————————————————–
ترجمه ماشینی :
بیش از 85 دستور العمل برای کمک به شما در تکمیل پروژه های علم داده در دنیای واقعی در R و Python درباره این کتاب – با هر مرحله از خط لوله علم داده مقابله کنید و از آن برای به دست آوردن، تمیز کردن، تجزیه و تحلیل و تجسم داده های خود استفاده کنید – فراتر از نظریه و پیاده سازی پروژه های دنیای واقعی در علم داده با استفاده از R و Python – دستور العمل های ساده به شما کمک می کند تا مفاهیم محاسبات عددی را درک و پیاده سازی کنید اگر شما یک دانشمند داده مشتاق هستید که می خواهید علوم داده و مفاهیم برنامه نویسی عددی را یاد بگیرید. از طریق نمونههای واقعی پروژه، این کتاب برای شماست. چه در علم داده کاملاً تازه کار باشید یا یک متخصص با تجربه باشید، از یادگیری ساختار پروژه های علم داده در دنیای واقعی و نمونه های برنامه نویسی در R و Python سود خواهید برد. آنچه خواهید آموخت – روش نصب و محیط مورد نیاز برای R و Python در پلتفرم های مختلف را بیاموزید و درک کنید – با پیاده سازی مفاهیم علوم داده های مختلف مانند اکتساب، تمیز کردن و حذف از طریق R و Python داده ها را برای تجزیه و تحلیل آماده کنید – یک مدل پیش بینی و یک مدل اکتشافی – نتایج مدل خود را تجزیه و تحلیل کنید و از دادههای بهدستآمده گزارش ایجاد کنید – روشهای مختلف مبتنی بر درخت بسازید و جنگل تصادفی را با جزئیات بسازید از آنجایی که هر سال مقادیر فزایندهای داده تولید میشود، نیاز به تجزیه و تحلیل و ایجاد ارزش از آن است. مهم تر از همیشه شرکت هایی که می دانند با داده های خود چه کنند و چگونه آن را به خوبی انجام دهند، نسبت به شرکت هایی که نمی دانند، مزیت رقابتی خواهند داشت. به همین دلیل، تقاضای فزاینده ای برای افرادی وجود خواهد داشت که هم توانایی های تحلیلی و هم فنی را برای استخراج بینش های ارزشمند از داده ها و ایجاد راه حل های ارزشمندی که از این بینش ها استفاده می کنند، وجود خواهد داشت. با شروع، این کتاب نحوه تنظیم محیط برنامه نویسی عددی را پوشش می دهد، شما را با خط لوله علم داده آشنا می کند و شما را از طریق چندین پروژه داده در قالب گام به گام راهنمایی می کند. با انجام متوالی مراحل در هر فصل، به سرعت خود را با این فرآیند آشنا خواهید کرد و یاد خواهید گرفت که چگونه آن را در موقعیت های مختلف با مثال هایی با استفاده از دو زبان برنامه نویسی محبوب برای تجزیه و تحلیل داده ها – R و Python به کار ببرید. سبک و رویکرد این راهنمای گام به گام برای علم داده مملو از مثالهای عملی از وظایف علم داده در دنیای واقعی است. هر دستور غذا بر روی یک کار خاص در خط لوله علم داده تمرکز دارد، از آماده سازی مجموعه داده تا تجزیه و تحلیل و تجسم.
tag : دانلود کتاب کتاب آشپزی علم داده های عملی: پیش پردازش داده ها، تجزیه و تحلیل و تجسم با استفاده از R و Python , Download کتاب آشپزی علم داده های عملی: پیش پردازش داده ها، تجزیه و تحلیل و تجسم با استفاده از R و Python , دانلود کتاب آشپزی علم داده های عملی: پیش پردازش داده ها، تجزیه و تحلیل و تجسم با استفاده از R و Python , Download Practical Data Science Cookbook: Data Pre-Processing, Analysis and Visualization Using R and Python Book , کتاب آشپزی علم داده های عملی: پیش پردازش داده ها، تجزیه و تحلیل و تجسم با استفاده از R و Python دانلود , buy کتاب آشپزی علم داده های عملی: پیش پردازش داده ها، تجزیه و تحلیل و تجسم با استفاده از R و Python , خرید کتاب کتاب آشپزی علم داده های عملی: پیش پردازش داده ها، تجزیه و تحلیل و تجسم با استفاده از R و Python , دانلود کتاب Practical Data Science Cookbook: Data Pre-Processing, Analysis and Visualization Using R and Python , کتاب Practical Data Science Cookbook: Data Pre-Processing, Analysis and Visualization Using R and Python , دانلود Practical Data Science Cookbook: Data Pre-Processing, Analysis and Visualization Using R and Python , خرید Practical Data Science Cookbook: Data Pre-Processing, Analysis and Visualization Using R and Python , خرید کتاب Practical Data Science Cookbook: Data Pre-Processing, Analysis and Visualization Using R and Python ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.