دانلود کتاب Complex Network Analysis in Python: Recognize – Construct – Visualize – Analyze – Interpret (به فارسی: تجزیه و تحلیل شبکه پیچیده در پایتون: تشخیص – ساخت – تجسم – تجزیه و تحلیل – تفسیر) نوشته شده توسط «Dmitry Zinoviev»
اطلاعات کتاب تجزیه و تحلیل شبکه پیچیده در پایتون: تشخیص – ساخت – تجسم – تجزیه و تحلیل – تفسیر
موضوع اصلی: کامپیوتر – شبکه
نوع: کتاب الکترونیکی
ناشر: Pragmatic Bookshelf
نویسنده: Dmitry Zinoviev
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
تعداد صفحه: 260 / 243
حجم فایل: 16.73 مگابایت
کد کتاب: 1680502697 , 9781680502695
نوبت چاپ: 1
توضیحات کتاب تجزیه و تحلیل شبکه پیچیده در پایتون: تشخیص – ساخت – تجسم – تجزیه و تحلیل – تفسیر
شبکه‌ها را با networkx، یک ماژول زبان پایتون بسازید، تجزیه و تحلیل کنید و تجسم کنید. تجزیه و تحلیل شبکه یک ابزار قدرتمند است که می توانید آن را برای مجموعه های مختلف داده و موقعیت ها اعمال کنید. نحوه کار با انواع شبکه ها از جمله شبکه های اجتماعی، محصولی، زمانی، مکانی و معنایی را کشف کنید. تقریباً همه داده‌های دنیای واقعی را به یک شبکه پیچیده تبدیل کنید – مانند توصیه‌هایی در مورد استفاده مشترک از محصولات آرایشی و بهداشتی، اتصالات مالی پرچین و دوستی آنلاین. شبکه را تحلیل و تجسم کنید و بر اساس تحلیل خود تصمیمات تجاری بگیرید. اگر یک برنامه نویس کنجکاو پایتون، یک دانشمند داده، یا یک متخصص CNA هستید که به مکانیزه کردن کارهای روزمره علاقه مند است، بهره وری خود را به طور تصاعدی افزایش خواهید داد.
تحلیل شبکه پیچیده قبلاً به صورت دستی یا غیرمستقیم انجام می شد. ابزارهای تحلیل شبکه قابل برنامه ریزی، اما دیگر نه! اکنون می توانید این وظایف را در پایتون خودکار و برنامه ریزی کنید. شبکه های پیچیده مجموعه ای از آیتم ها، کلمات، مفاهیم یا افراد مرتبط هستند. با کاوش در ساختار و عناصر فردی آنها، می‌توانیم در مورد معنی، تکامل و انعطاف‌پذیری آنها بیاموزیم.
با شروع با شبکه‌های ساده، نمودارهای شبکه واقعی و مصنوعی را به ساختارهای داده شبکهx تبدیل کنید. به شبکه‌های پیچیده‌تر نگاه کنید و ماشین‌های قدرتمندتری را برای انجام محاسبات مرکزیت، مدل‌سازی بلوک، و تشخیص دسته و جامعه بیاموزید. با ابزارهای تجسم شبکه با کیفیت ارائه، هم قابل برنامه ریزی و هم تعاملی – مانند Gephi، یک کاوشگر CNA، آشنا شوید. الگوها را از مطالعات موردی با مشکلات خود تطبیق دهید. شبکه های بزرگ را با NetworKit، یک جایگزین شبکه با کارایی بالا، کاوش کنید. هر قسمت از کتاب یک نمای کلی از یک کلاس از شبکه‌ها را به شما ارائه می‌دهد، شامل یک مطالعه عملی از عملکردها و تکنیک‌های networkx است، و با مطالعات موردی در زمینه‌های مختلف، از جمله شبکه‌های اجتماعی، مردم‌شناسی، بازاریابی، و تجزیه و تحلیل ورزشی به پایان می‌رسد.
مهارت های برنامه نویسی CNA و Python خود را ترکیب کنید تا به یک تحلیلگر شبکه بهتر، یک دانشمند داده ماهرتر و یک برنامه نویس همه کاره تر تبدیل شوید.
آنچه شما نیاز دارید:
شما به نصب Python 3.x با ماژول های اضافی زیر نیاز دارید: Pandas (>=0.18)، NumPy (>=1.10)، matplotlib (>=1.5)، networkx (>=1.11) ، python-louvain (>=0.5)، NetworKit (>=3.6) و تشابه عمومی. توصیه می‌کنیم از توزیع Anaconda که با همه این ماژول‌ها ارائه می‌شود، به‌جز python-louvain، NetworKit، و شباهت‌های تعمیم‌یافته، استفاده کنید و روی همه سیستم‌عامل‌های اصلی مدرن کار می‌کند.
Construct, analyze, and visualize networks with networkx, a Python language module. Network analysis is a powerful tool you can apply to a multitude of datasets and situations. Discover how to work with all kinds of networks, including social, product, temporal, spatial, and semantic networks. Convert almost any real-world data into a complex network–such as recommendations on co-using cosmetic products, muddy hedge fund connections, and online friendships. Analyze and visualize the network, and make business decisions based on your analysis. If you’re a curious Python programmer, a data scientist, or a CNA specialist interested in mechanizing mundane tasks, you’ll increase your productivity exponentially.
Complex network analysis used to be done by hand or with non-programmable network analysis tools, but not anymore! You can now automate and program these tasks in Python. Complex networks are collections of connected items, words, concepts, or people. By exploring their structure and individual elements, we can learn about their meaning, evolution, and resilience.
Starting with simple networks, convert real-life and synthetic network graphs into networkx data structures. Look at more sophisticated networks and learn more powerful machinery to handle centrality calculation, blockmodeling, and clique and community detection. Get familiar with presentation-quality network visualization tools, both programmable and interactive–such as Gephi, a CNA explorer. Adapt the patterns from the case studies to your problems. Explore big networks with NetworKit, a high-performance networkx substitute. Each part in the book gives you an overview of a class of networks, includes a practical study of networkx functions and techniques, and concludes with case studies from various fields, including social networking, anthropology, marketing, and sports analytics.
Combine your CNA and Python programming skills to become a better network analyst, a more accomplished data scientist, and a more versatile programmer.
What You Need:
You will need a Python 3.x installation with the following additional modules: Pandas (>=0.18), NumPy (>=1.10), matplotlib (>=1.5), networkx (>=1.11), python-louvain (>=0.5), NetworKit (>=3.6), and generalizesimilarity. We recommend using the Anaconda distribution that comes with all these modules, except for python-louvain, NetworKit, and generalizedsimilarity, and works on all major modern operating systems.
دانلود کتاب «تجزیه و تحلیل شبکه پیچیده در پایتون: تشخیص – ساخت – تجسم – تجزیه و تحلیل – تفسیر»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.