توضیحات
Gain insight into essential data science skills in a holistic manner using data engineering and associated scalable computational methods. This book covers the most popular Python 3 frameworks for both local and distributed (in premise and cloud based) processing. Along the way, you will be introduced to many popular open-source frameworks, like, SciPy, scikitlearn, Numba, Apache Spark, etc. The book is structured around examples, so you will grasp core concepts via case studies and Python 3 code.
As data science projects gets continuously larger and more complex, software engineering knowledge and experience is crucial to produce evolvable solutions. You’ll see how to create maintainable software for data science and how to document data engineering practices.
This book is a good starting point for people who want to gain practical skills to perform data science. All the code will be available in the form of IPython notebooks and Python 3 programs, which allow you to reproduce all analyses from the book and customize them for your own purpose. You’ll also benefit from advanced topics like Machine Learning, Recommender Systems, and Security in Data Science.
Practical Data Science with Python will empower you analyze data, formulate proper questions, and produce actionable insights, three core stages in most data science endeavors.
What You’ll Learn
- Play the role of a data scientist when completing increasingly challenging exercises using Python 3
- Work work with proven data science techniques/technologies
- Review scalable software engineering practices to ramp up data analysis abilities in the realm of Big Data
- Apply theory of probability, statistical inference, and algebra to understand the data science practices
Who This Book Is For
Anyone who would like to embark into the realm of data science using Python 3.
————————————————————–
ترجمه ماشینی :
با استفاده از مهندسی داده و روشهای محاسباتی مقیاسپذیر مرتبط، به مهارتهای اساسی علم داده به شیوهای جامع بینشی به دست آورید. این کتاب محبوب ترین چارچوب های پایتون 3 را برای پردازش محلی و توزیع شده (در فرضیه و مبتنی بر ابر) پوشش می دهد. در طول مسیر، شما با بسیاری از چارچوبهای منبع باز محبوب، مانند SciPy، scikitlearn، Numba، Apache Spark و غیره آشنا خواهید شد. این کتاب بر اساس نمونههایی ساخته شده است، بنابراین مفاهیم اصلی را از طریق مطالعات موردی و کد پایتون 3 درک خواهید کرد.
از آنجایی که پروژه های علم داده به طور مداوم بزرگتر و پیچیده تر می شوند، دانش و تجربه مهندسی نرم افزار برای تولید راه حل های قابل تکامل بسیار مهم است. نحوه ایجاد نرم افزار قابل نگهداری برای علم داده و نحوه مستندسازی شیوه های مهندسی داده را خواهید دید.
این کتاب نقطه شروع خوبی برای افرادی است که می خواهند مهارت های عملی برای انجام علم داده کسب کنند. تمام کدها در قالب نوتبوکهای IPython و برنامههای Python 3 در دسترس خواهند بود که ب
tag : دانلود کتاب علم داده های عملی با پایتون 3 , Download علم داده های عملی با پایتون 3 , دانلود علم داده های عملی با پایتون 3 , Download Practical Data Science with Python 3 Book , علم داده های عملی با پایتون 3 دانلود , buy علم داده های عملی با پایتون 3 , خرید کتاب علم داده های عملی با پایتون 3 , دانلود کتاب Practical Data Science with Python 3 , کتاب Practical Data Science with Python 3 , دانلود Practical Data Science with Python 3 , خرید Practical Data Science with Python 3 , خرید کتاب Practical Data Science with Python 3 ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.