دانلود کتاب Data Science Projects with Python: A case study approach to gaining valuable insights from real data with machine learning, 2nd Edition (به فارسی: پروژه های علم داده با پایتون: رویکرد مطالعه موردی برای به دست آوردن بینش ارزشمند از داده های واقعی با یادگیری ماشین، ویرایش دوم) نوشته شده توسط «Stephen Klosterman»
اطلاعات کتاب پروژه های علم داده با پایتون: رویکرد مطالعه موردی برای به دست آوردن بینش ارزشمند از داده های واقعی با یادگیری ماشین، ویرایش دوم
موضوع اصلی: کامپیوتر – پایگاه داده
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Stephen Klosterman
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2021
تعداد صفحه: 420 / 433
حجم فایل: 11.26 مگابایت
کد کتاب: 1800564481 , 9781800564480
نوبت چاپ: 2
توضیحات کتاب پروژه های علم داده با پایتون: رویکرد مطالعه موردی برای به دست آوردن بینش ارزشمند از داده های واقعی با یادگیری ماشین، ویرایش دوم
تجربه عملی در برنامه نویسی پایتون با ابزارهای یادگیری ماشین استاندارد صنعتی با استفاده از پانداها، scikit-learn و XGBoost بدست آورید
ویژگی های کلیدی
- Think با کاوش و پاکسازی دادهها نسبت به دادهها انتقادی داشته باشید
- یک مدل یادگیری ماشینی مناسب را انتخاب کنید و آن را بر روی دادههای خود آموزش دهید
- بینشهای مبتنی بر دادهها را با اطمینان و وضوح ارتباط برقرار کنید
توضیحات کتاباگر دادهها روغن جدید است، یادگیری ماشینی مته است. همانطور که شرکتها به مقادیر روزافزون دادههای خام دسترسی پیدا میکنند، توانایی ارائه مدلهای پیشبینی پیشرفته که از تصمیمگیری تجاری پشتیبانی میکنند، بیشتر و بیشتر ارزشمند میشود.
در این کتاب، شما روی یک پروژه انتها به انتها مبتنی بر مجموعه داده های واقع بینانه و تقسیم به تمرین های عملی کوچک. این یک رویکرد مطالعه موردی ایجاد میکند که شرایط کاری را که در پروژههای علم داده در دنیای واقعی تجربه خواهید کرد، شبیهسازی میکند.
شما یاد خواهید گرفت که چگونه از بستههای کلیدی پایتون، از جمله پانداها، Matplotlib، و scikit-learn و master استفاده کنید. فرآیند کاوش و پردازش دادهها، قبل از حرکت به الگوریتمهای برازش، ارزیابی و تنظیم مانند رگرسیون لجستیک منظم و جنگل تصادفی.
اکنون در ویرایش دوم، این کتاب شما را در فرآیند کاوش دادهها و ارائه مدل های یادگیری ماشینی این نسخه جدید برای سال 2021 که به آخرین نسخه Python بهروزرسانی شده است، حاوی محتوای کاملاً جدید در XGBoost، مقادیر SHAP، و نحوه ارزیابی و نظارت بر مدلهای یادگیری ماشینی است.
در پایان این کتاب علم داده، شما این مطالب را خواهید داشت. مهارتها، درک، و اعتماد به نفس برای ساختن مدلهای یادگیری ماشینی خود و بهدست آوردن بینش از دادههای واقعی.
آنچه خواهید آموخت
- بارگیری، کاوش و پردازش دادهها با استفاده از پانداها بسته Python
- از Matplotlib برای ایجاد تجسم دادههای قانعکننده استفاده کنید
- مدلهای یادگیری ماشینی پیشبینیکننده را با scikit-learn پیادهسازی کنید
- استفاده از کمند و رگرسیون ریج برای کاهش بیشبرازش مدل
- li>
- ارزیابی عملکرد مدل جنگل تصادفی و رگرسیون لجستیک
- ایجاد مدل های پیشرفته با XGBoost
- یاد بگیرید از مقادیر SHAP برای توضیح پیش بینی های مدل استفاده کنید
- با ارائه نتایج واضح و قانعکننده، بینشهای تجاری را ارائه دهید
این کتاب برای چه کسی استپروژههای علم داده با پایتون – دوم نسخه برای کسانی است که می خواهند با علم داده و یادگیری ماشین شروع کنند. اگر میخواهید با استفاده از تجزیه و تحلیل دادهها و مدلسازی پیشبینیکننده برای ایجاد بینشهای تجاری، شغل خود را پیش ببرید، این کتاب بهترین مکان برای شروع است. برای درک سریع مفاهیم تحت پوشش، توصیه می شود که تجربه اولیه برنامه نویسی با پایتون یا زبان مشابه دیگر و علاقه کلی به آمار داشته باشید.
Key Features
- Think critically about data by exploring and cleaning it
- Choose an appropriate machine learning model and train it on your data
- Communicate data-driven insights with confidence and clarity
Book DescriptionIf data is the new oil, then machine learning is the drill. As companies gain access to ever-increasing quantities of raw data, the ability to deliver state-of-the-art predictive models that support business decision-making becomes more and more valuable.
In this book, you’ll work on an end-to-end project based around a realistic data set and split up into bite-sized practical exercises. This creates a case-study approach that simulates the working conditions you’ll experience in real-world data science projects.
You’ll learn how to use key Python packages, including pandas, Matplotlib, and scikit-learn, and master the process of data exploration and data processing, before moving on to fitting, evaluating, and tuning algorithms such as regularized logistic regression and random forest.
Now in its second edition, this book will take you through the process of exploring data and delivering machine learning models. Updated to the latest version of Python, this new edition for 2021 includes brand new content on XGBoost, SHAP values, and how to evaluate and monitor machine learning models.
By the end of this data science book, you’ll have the skills, understanding, and confidence to build your own machine learning models and gain insights from real data.
What You Will Learn
- Load, explore, and process data using the pandas Python package
- Use Matplotlib to create compelling data visualizations
- Implement predictive machine learning models with scikit-learn
- Use lasso and ridge regression to reduce model overfitting
- Evaluate random forest and logistic regression model performance
- Create state-of-the-art models with XGBoost
- Learn to use SHAP values to explain model predictions
- Deliver business insights by presenting clear, convincing conclusions
Who This Book Is ForData Science Projects with Python – Second Edition is for anyone who wants to get started with data science and machine learning. If you’re keen to advance your career by using data analysis and predictive modeling to generate business insights, then this book is the perfect place to begin. To quickly grasp the concepts covered, it is recommended that you have basic experience of programming with Python or another similar language, and a general interest in statistics.
📖 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.