دانلود کتاب Data Analysis From Scratch With Python: Beginner Guide using Python, Pandas, NumPy, Scikit-Learn, IPython, TensorFlow and Matplotlib (به فارسی: تجزیه و تحلیل داده ها از ابتدا با پایتون: راهنمای مبتدی با استفاده از Python، Pandas، NumPy، Scikit-Learn، IPython، TensorFlow و Matplotlib) نوشته شده توسط «Peters Morgan»
اطلاعات کتاب تجزیه و تحلیل داده ها از ابتدا با پایتون: راهنمای مبتدی با استفاده از Python، Pandas، NumPy، Scikit-Learn، IPython، TensorFlow و Matplotlib
موضوع اصلی: کامپیوترها – الگوریتم ها و ساختارهای داده
نوع: کتاب الکترونیکی
ناشر: AI Sciences LLC
نویسنده: Peters Morgan
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
تعداد صفحه: 153 / 104
حجم فایل: 2.79 مگابایت
کد کتاب: 1721942815 , 9781721942817
نوبت چاپ: Kindle Edition
توضیحات کتاب تجزیه و تحلیل داده ها از ابتدا با پایتون: راهنمای مبتدی با استفاده از Python، Pandas، NumPy، Scikit-Learn، IPython، TensorFlow و Matplotlib
***** همین حالا بخرید (به زودی به 25.59 باز می گردد) ******کتاب الکترونیکی رایگان برای مشتریانی که کتاب چاپی را از آمازون خریداری می کنند******* آیا به این فکر می کنید که با استفاده از پایتون یک تحلیلگر داده شوید؟ اگر به دنبال یک راهنمای کامل برای تجزیه و تحلیل داده ها با استفاده از زبان پایتون و کتابخانه آن هستید که به شما کمک کند تا به یک دانشمند داده موثر تبدیل شوید، این کتاب برای شما مناسب است. از AI Sciences Publisher کتابهای ما ممکن است بهترین کتاب برای مبتدیان باشد. این یک راهنمای گام به گام برای هر فردی است که می خواهد یادگیری هوش مصنوعی و علم داده را از ابتدا شروع کند. این به شما در تهیه یک پایه محکم و یادگیری سایر دوره های سطح بالا کمک می کند. برای استفاده بیشتر از مفاهیمی که پوشش داده میشود، به خوانندگان توصیه میشود که رویکردی را اتخاذ کنند که منجر به بازنمایی ذهنی بهتری میشود. راهنمای گام به گام و تصاویر و مثالهای بصری کتاب دستورالعملهای کاملی را برای دستکاری، پردازش، تمیز کردن، مدلسازی و خرد کردن مجموعههای داده در پایتون ارائه میدهد. این یک راهنمای عملی با مطالعات موردی عملی از مشکلات تجزیه و تحلیل داده ها است. پانداها، NumPy، IPython و Jupiter را در فرآیند یاد خواهید گرفت. کاربران هدف این کتاب یک مقدمه عملی برای ابزارهای علم داده در پایتون است. این برای افراد مبتدی در پایتون و برای برنامه نویسان پایتون که تازه به علوم داده و علوم کامپیوتری هستند ایده آل است. به جای فرمول های ریاضی سخت، این کتاب حاوی چندین نمودار و تصویر است. داخل این کتاب چیست؟
مقدمه
چرا پایتون را برای علم داده و amp; یادگیری ماشینی
پیش نیازها & یادآوریها
بررسی سریع پایتون
نمای کلی و amp; اهداف
یک مثال سریع
دریافت & پردازش داده
تجسم داده
نظارت شده & یادگیری بدون نظارت
رگرسیون
رگرسیون خطی ساده
رگرسیون خطی چندگانه
درخت تصمیم
جنگل تصادفی
طبقهبندی
رگرسیون لجستیک
K-نزدیکترین همسایهها
طبقه بندی درخت تصمیم
طبقه بندی تصادفی جنگل
خوشه بندی
اهداف & موارد استفاده از خوشه بندی
خوشه بندی K-Means
تشخیص ناهنجاری
آموزش قوانین انجمنی
تبیین
Apriori
یادگیری تقویتی
چه چیزی یادگیری تقویتی است
مقایسه با نظارت و amp; یادگیری بدون نظارت
به کارگیری یادگیری تقویتی
شبکه های عصبی
ایده ای از نحوه عملکرد مغز
پتانسیل و amp; محدودیت ها
در اینجا یک مثال است
پردازش زبان طبیعی
تجزیه و تحلیل کلمات & احساسات
استفاده از NLTK
انتخاب مدل & بهبود عملکرد
منابع & منابع
سوالات متداول
سؤال: آیا این کتاب برای من است و آیا به تجربه برنامه نویسی نیاز دارم؟ پاسخ: اگر می خواهید پایتون را برای تجزیه و تحلیل داده ها شکست دهید، این کتاب برای شما مناسب است. تجربه برنامه نویسی کمی مورد نیاز است. اگر قبلاً چند خط کد نوشته اید و عبارات اصلی برنامه نویسی را می شناسید، مشکلی ندارید.
سؤال: آیا این کتاب شامل همه چیزهایی است که برای تبدیل شدن به یک متخصص علوم داده نیاز دارم؟ پاسخ: متأسفانه خیر. این کتاب برای خوانندگانی طراحی شده است که اولین گامهای خود را در تجزیه و تحلیل دادهها برمیدارند و یادگیری بیشتر فراتر از این کتاب برای تسلط بر همه جنبهها لازم است.
سؤال: اگر این کتاب برای من مناسب نباشد، میتوانم بازپرداخت کنم؟ پاسخ: بله، در صورت نارضایتی آمازون وجه به شما بازپرداخت می کند، برای اطلاعات بیشتر در مورد خدمات بازپرداخت آمازون لطفاً به پلت فرم کمک آمازون بروید. همچنین اگر به ما ایمیلی به آدرس contact@aisciences.net بفرستید خوشحال خواهیم شد به شما کمک کنیم.
شرکت علوم AI به شما کتابهای الکترونیکی رایگان را در http://aisciences.net/free/ ارائه می دهد.
Introduction
Why Choose Python for Data Science & Machine Learning
Prerequisites & Reminders
Python Quick Review
Overview & Objectives
A Quick Example
Getting & Processing Data
Data Visualization
Supervised & Unsupervised Learning
Regression
Simple Linear Regression
Multiple Linear Regression
Decision Tree
Random Forest
Classification
Logistic Regression
K-Nearest Neighbors
Decision Tree Classification
Random Forest Classification
Clustering
Goals & Uses of Clustering
K-Means Clustering
Anomaly Detection
Association Rule Learning
Explanation
Apriori
Reinforcement Learning
What is Reinforcement Learning
Comparison with Supervised & Unsupervised Learning
Applying Reinforcement Learning
Neural Networks
An Idea of How the Brain Works
Potential & Constraints
Here’s an Example
Natural Language Processing
Analyzing Words & Sentiments
Using NLTK
Model Selection & Improving Performance
Sources & References
Frequently Asked Questions
Q: Is this book for me and do I need programming experience? A: if you want to smash Python for data analysis, this book is for you. Little programming experience is required. If you already wrote a few lines of code and recognize basic programming statements, you’ll be OK.
Q: Does this book include everything I need to become a data science expert? A: Unfortunately, no. This book is designed for readers taking their first steps in data analysis and further learning will be required beyond this book to master all aspects.
Q: Can I have a refund if this book is not fitted for me? A: Yes, Amazon refund you if you aren’t satisfied, for more information about the amazon refund service please go to the amazon help platform. We will also be happy to help you if you send us an email at contact@aisciences.net.
AI Sciences Company offers you a free eBooks at http: //aisciences.net/free/
📖 خرید این کتاب
برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمههای زیر کلیک کنید تا پیام آماده برای شما ارسال شود:
پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.