نرم افزار: سیستم ها: محاسبات علمی

کتاب راهنمای علوم داده پایتون: ابزارهای ضروری برای کار با داده ها

Python Data Science Handbook: Essential Tools for Working with Data

دانلود کتاب Python Data Science Handbook: Essential Tools for Working with Data (به فارسی: کتاب راهنمای علوم داده پایتون: ابزارهای ضروری برای کار با داده ها) نوشته شده توسط «Jake VanderPlas»

اطلاعات کتاب کتاب راهنمای علوم داده پایتون: ابزارهای ضروری برای کار با داده ها

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: O’Reilly Media

نویسنده: Jake VanderPlas

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2016

تعداد صفحه: 548

حجم فایل: 19.90 مگابایت

کد کتاب: 1491912057 , 9781491912058

نوبت چاپ: 1st

توضیحات کتاب کتاب راهنمای علوم داده پایتون: ابزارهای ضروری برای کار با داده ها

کتاب راهنمای علوم داده پایتون اشاره‌ای به گستره روش‌های محاسباتی و آماری دارد که برای علم، تحقیق و اکتشاف مبتنی بر داده‌ها مرکزی هستند. افرادی با پیشینه برنامه نویسی که می خواهند از پایتون به طور موثر برای کارهای علم داده استفاده کنند، یاد می گیرند که چگونه با مشکلات مختلفی روبرو شوند: به عنوان مثال، چگونه می توانم این قالب داده را در اسکریپت خود بخوانم؟ چگونه می توانم این داده ها را دستکاری، تبدیل و پاکسازی کنم؟ چگونه می توانم این نوع داده ها را تجسم کنم؟ چگونه می توانم از این داده ها برای به دست آوردن بینش، پاسخ به سؤالات، یا ساخت مدل های آماری یا یادگیری ماشینی استفاده کنم؟

این کتاب مرجعی برای علم داده روزانه با قابلیت پایتون است که هم محاسباتی و هم محاسباتی را پوشش می دهد. مهارت های آماری لازم برای کار موثر. این بحث با کاربردهای مثال مکرر تکمیل می‌شود و نشان می‌دهد که چگونه می‌توان از وسعت گسترده ابزارهای منبع باز پایتون برای تجزیه و تحلیل، دستکاری، تجسم و یادگیری از داده‌ها استفاده کرد.

The Python Data Science Handbook provides a reference to the breadth of computational and statistical methods that are central to data-intensive science, research, and discovery. People with a programming background who want to use Python effectively for data science tasks will learn how to face a variety of problems: e.g., how can I read this data format into my script? How can I manipulate, transform, and clean this data? How can I visualize this type of data? How can I use this data to gain insight, answer questions, or to build statistical or machine learning models?

This book is a reference for day-to-day Python-enabled data science, covering both the computational and statistical skills necessary to effectively work with. The discussion is augmented with frequent example applications, showing how the wide breadth of open source Python tools can be used together to analyze, manipulate, visualize, and learn from data.

دانلود کتاب «کتاب راهنمای علوم داده پایتون: ابزارهای ضروری برای کار با داده ها»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان