دانلود کتاب Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data – علم داده های عملی با پایتون: ابزارها و تکنیک ها را از مثال های عملی برای استخراج بینش از داده ها بیاموزید

توضیحات

Learn to effectively manage data and execute data science projects from start to finish using Python

Key Features

• Understand and utilize data science tools in Python, such as specialized machine learning algorithms and statistical modeling
• Build a strong data science foundation with the best data science tools available in Python
• Add value to yourself, your organization, and society by extracting actionable insights from raw data

Book Description

Practical Data Science with Python teaches you core data science concepts, with real-world and realistic examples, and strengthens your grip on the basic as well as advanced principles of data preparation and storage, statistics, probability theory, machine learning, and Python programming, helping you build a solid foundation to gain proficiency in data science.

The book starts with an overview of basic Python skills and then introduces foundational data science techniques, followed by a thorough explanation of the Python code needed to execute the techniques. You’ll understand the code by working through the examples. The code has been broken down into small chunks (a few lines or a function at a time) to enable thorough discussion.

As you progress, you will learn how to perform data analysis while exploring the functionalities of key data science Python packages, including pandas, SciPy, and scikit-learn. Finally, the book covers ethics and privacy concerns in data science and suggests resources for improving data science skills, as well as ways to stay up to date on new data science developments.

By the end of the book, you should be able to comfortably use Python for basic data science projects and should have the skills to execute the data science process on any data source.

What you will learn

• Use Python data science packages effectively
• Clean and prepare data for data science work, including feature engineering and feature selection
• Data modeling, including classic statistical models (such as t-tests), and essential machine learning algorithms, such as random forests and boosted models
• Evaluate model performance
• Compare and understand different machine learning methods
• Interact with Excel spreadsheets through Python
• Create automated data science reports through Python
• Get to grips with text analytics techniques

Who this book is for

The book is intended for beginners, including students starting or about to start a data science, analytics, or related program (e.g. Bachelor’s, Master’s, bootcamp, online courses), recent college graduates who want to learn new skills to set them apart in the job market, professionals who want to learn hands-on data science techniques in Python, and those who want to shift their career to data science.

The book requires basic familiarity with Python. A ‘getting started with Python’ section has been included to get complete novices up to speed.

Table of Contents

1. Introduction to Data Science
2. Getting Started with Python
3. SQL and Built-in File Handling Modules in Python
4. Loading and Wrangling Data with Pandas and NumPy
5. Exploratory Data Analysis and Visualization
6. Data Wrangling Documents and Spreadsheets
7. Web Scraping
8. Probability, Distributions, and Sampling
9. Statistical Testing for Data Science
10. Preparing Data for Machine Learning: Feature Selection, Feature Engineering, and Dimensionality Reduction
11. Machine Learning for Classification
12. Evaluating Machine Learning Classification Models and Sampling for Classification
13. Machine Learning with Regression

(N.B. Please use the Look Inside option to see further chapters)

————————————————————–

ترجمه ماشینی :

یادگیری مدیریت موثر داده ها و اجرای پروژه های علم داده از ابتدا تا انتها با استفاده از پایتون

ویژگی های کلیدی

• درک و استفاده از علم داده ابزارهایی در پایتون، مانند الگوریتم‌های تخصصی یادگیری ماشین و مدل‌سازی آماری
• با بهترین ابزارهای علم داده موجود در پایتون، یک پایه قوی برای علم داده بسازید
• به خودتان، سازمانتان ارزش بیافزایید، و جامعه با استخراج بینش‌های عملی از داده‌های خام

توضیحات کتاب

Practical Data Science با Python مفاهیم اصلی علم داده را با مثال‌های واقعی و واقعی به شما آموزش می‌دهد، و تسلط شما بر اصول اولیه و همچنین پیشرفته آماده سازی و ذخیره سازی داده ها، آمار، نظریه احتمال، یادگیری ماشین و برنامه نویسی پایتون را تقویت می کند و به شما کمک می کند پایه ای محکم برای کسب مهارت در علم داده بسازید.

کتاب با مروری بر مهارت‌های پایه پایتون شروع می‌شود و سپس تکنیک‌های پایه علم داده را معرفی می‌کند، و سپس توضیح کاملی در مورد کد پایتون مورد نیاز برای اجرای تکنیک‌ها ارائه می‌کند. با کار کردن با مثال ها، کد را درک خواهید کرد. کد به تکه های کوچک (چند خط یا یک تابع در یک زمان) تقسیم شده است تا امکان بحث و تبادل نظر کامل فراهم شود.

همانطور که پیشرفت می کنید، نحوه انجام تجزیه و تحلیل داده ها را در حین کاوش در عملکردهای کلید خواهید آموخت. بسته های پایتون علوم داده، از جمله پانداها، SciPy و scikit-learn. در نهایت، این کتاب نگرانی‌های اخلاقی و حفظ حریم خصوصی در علم داده را پوشش می‌دهد و منابعی را برای بهبود مهارت‌های علم داده، و همچنین راه‌هایی برای به‌روز ماندن در مورد پیشرفت‌های جدید علم داده پیشنهاد می‌کند.

تا پایان کتاب، شما باید بتوانید به راحتی از Python برای پروژه های علوم داده پایه استفاده کنید و باید مهارت های اجرای فرآیند علم داده را در هر منبع داده ای داشته باشید.

آنچه خواهید آموخت

• استفاده موثر از بسته های علم داده پایتون
• پاکسازی و آماده سازی داده ها برای کارهای علم داده، از جمله مهندسی ویژگی و انتخاب ویژگی
• مدل سازی داده ها، از جمله مدل های آماری کلاسیک (مانند آزمون های تی)، و الگوریتم های یادگیری ماشین ضروری، مانند جنگل های تصادفی و مدل های تقویت شده
• ارزیابی عملکرد مدل
• مقایسه و درک روش های مختلف یادگیری ماشین
• تعامل با صفحات گسترده اکسل از طریق پایتون
• ایجاد گزارش های خودکار علم داده از طریق پایتون
• با تکنیک های تجزیه و تحلیل متن آشنا شوید

این کتاب برای چه کسانی است

این کتاب برای مبتدیان، از جمله دانش‌آموزانی که شروع می‌کنند یا در شرف شروع یک علم داده، تجزیه و تحلیل، یا برنامه‌های مرتبط (مثلاً لیسانس، کارشناسی ارشد، بوت کمپ، دوره‌های آنلاین)، فارغ‌التحصیلان اخیر کالج هستند که می‌خواهند مهارت‌های جدیدی را بیاموزند تا آنها را متمایز کند. بازار کار، حرفه‌ای‌هایی که می‌خواهند تکنیک

tag : دانلود کتاب علم داده های عملی با پایتون: ابزارها و تکنیک ها را از مثال های عملی برای استخراج بینش از داده ها بیاموزید , Download علم داده های عملی با پایتون: ابزارها و تکنیک ها را از مثال های عملی برای استخراج بینش از داده ها بیاموزید , دانلود علم داده های عملی با پایتون: ابزارها و تکنیک ها را از مثال های عملی برای استخراج بینش از داده ها بیاموزید , Download Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data Book , علم داده های عملی با پایتون: ابزارها و تکنیک ها را از مثال های عملی برای استخراج بینش از داده ها بیاموزید دانلود , buy علم داده های عملی با پایتون: ابزارها و تکنیک ها را از مثال های عملی برای استخراج بینش از داده ها بیاموزید , خرید کتاب علم داده های عملی با پایتون: ابزارها و تکنیک ها را از مثال های عملی برای استخراج بینش از داده ها بیاموزید , دانلود کتاب Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data , کتاب Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data , دانلود Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data , خرید Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data , خرید کتاب Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data ,