توضیحات
For many researchers, Python is a first-class tool mainly because of its libraries for storing, manipulating, and gaining insight from data. Several resources exist for individual pieces of this data science stack, but only with the Python Data Science Handbook do you get them allIPython, NumPy, Pandas, Matplotlib, Scikit-Learn, and other related tools.
Working scientists and data crunchers familiar with reading and writing Python code will find this comprehensive desk reference ideal for tackling day-to-day issues: manipulating, transforming, and cleaning data; visualizing different types of data; and using data to build statistical or machine learning models. Quite simply, this is the must-have reference for scientific computing in Python.
With this handbook, youll learn how to use:
* IPython and Jupyter: provide computational environments for data scientists using Python
* NumPy: includes the ndarray for efficient storage and manipulation of dense data arrays in Python
* Pandas: features the DataFrame for efficient storage and manipulation of labeled/columnar data in Python
* Matplotlib: includes capabilities for a flexible range of data visualizations in Python
* Scikit-Learn: for efficient and clean Python implementations of the most important and established machine learning algorithms
————————————————————–
ترجمه ماشینی :
برای بسیاری از محققان، پایتون یک ابزار درجه یک است که عمدتاً به دلیل کتابخانه های آن برای ذخیره، دستکاری و به دست آوردن بینش از داده ها است. چندین منبع برای تک تک این پشته علم داده وجود دارد، اما تنها با استفاده از کتاب راهنمای علوم داده پایتون میتوانید آنها را allIPython، NumPy، Pandas، Matplotlib، Scikit-Learn و سایر ابزارهای مرتبط به دست آورید. دانشمندان فعال و خردکننده های داده که با خواندن و نوشتن کد پایتون آشنا هستند، این مرجع جامع میز را برای مقابله با مسائل روزمره ایده آل خواهند یافت: دستکاری، تبدیل، و پاکسازی داده ها. تجسم انواع مختلف داده ها؛ و استفاده از داده ها برای ساخت مدل های آماری یا یادگیری ماشینی. خیلی ساده، این مرجع ضروری برای محاسبات علمی در پایتون است. با این کتابچه راهنما، نحوه استفاده از: * IPython و Jupyter: فراهم کردن محیط های محاسباتی برای دانشمندان داده با استفاده از Python * NumPy: شامل ndarray برای ذخیره سازی کارآمد و دستکاری آرایه های داده متراکم در Python * Pandas: ویژگی های DataFrame برای ذخیره سازی کارآمد و دستکاری داده های برچسب دار/ستونی در پایتون * Matplotlib: شامل قابلیت هایی برای طیف انعطاف پذیری از تجسم داده ها در پایتون * Scikit-Learn: برای پیاده سازی کارآمد و تمیز Python از مهمترین و شناخته شده ترین الگوریتم های یادگیری ماشینی
tag : دانلود کتاب کتاب راهنمای علوم داده پایتون: ابزارها و تکنیک ها برای توسعه دهندگان , Download کتاب راهنمای علوم داده پایتون: ابزارها و تکنیک ها برای توسعه دهندگان , دانلود کتاب راهنمای علوم داده پایتون: ابزارها و تکنیک ها برای توسعه دهندگان , Download Python Data Science Handbook: Tools and Techniques for Developers Book , کتاب راهنمای علوم داده پایتون: ابزارها و تکنیک ها برای توسعه دهندگان دانلود , buy کتاب راهنمای علوم داده پایتون: ابزارها و تکنیک ها برای توسعه دهندگان , خرید کتاب کتاب راهنمای علوم داده پایتون: ابزارها و تکنیک ها برای توسعه دهندگان , دانلود کتاب Python Data Science Handbook: Tools and Techniques for Developers , کتاب Python Data Science Handbook: Tools and Techniques for Developers , دانلود Python Data Science Handbook: Tools and Techniques for Developers , خرید Python Data Science Handbook: Tools and Techniques for Developers , خرید کتاب Python Data Science Handbook: Tools and Techniques for Developers ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.