ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Practical Data Analysis

دانلود کتاب تجزیه و تحلیل عملی داده ها

Practical Data Analysis

مشخصات کتاب

Practical Data Analysis

ویرایش: 2 
نویسندگان:   
سری:  
ISBN (شابک) : 1785289713, 9781785289712 
ناشر: Packt Publishing 
سال نشر: 2016 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 28 مگابایت 

قیمت کتاب (تومان) : 33,000



کلمات کلیدی مربوط به کتاب تجزیه و تحلیل عملی داده ها: پایگاه‌های داده و کلان داده، دسترسی، داده‌کاوی، مدل‌سازی و طراحی داده، پردازش داده، انبار داده، MySQL، Oracle، پایگاه‌های داده دیگر، پایگاه‌های داده رابطه‌ای، SQL، رایانه و فناوری، ریاضی و آمار، نرم‌افزار، رایانه و فناوری



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Practical Data Analysis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب تجزیه و تحلیل عملی داده ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب تجزیه و تحلیل عملی داده ها



ویژگی های کلیدی

  • یاد بگیرید که از ابزارها و الگوریتم های تجزیه و تحلیل داده های مختلف برای طبقه بندی، خوشه بندی، تجسم، شبیه سازی و پیش بینی داده های خود استفاده کنید
  • استفاده از الگوریتم های یادگیری ماشینی برای انواع مختلف انواع داده ها مانند شبکه های اجتماعی، سری های زمانی و تصاویر
  • راهنمای عملی برای درک ماهیت داده ها و نحوه تبدیل آن به بینش

کتاب توضیحات

فراتر از واژه‌هایی مانند Big Data یا Data Science، فرصت‌های خوبی برای نوآوری در بسیاری از مشاغل با استفاده از تجزیه و تحلیل داده‌ها برای به دست آوردن محصولات مبتنی بر داده وجود دارد. تجزیه و تحلیل داده ها شامل پرسیدن سؤالات زیادی در مورد داده ها به منظور کشف بینش و ایجاد ارزش برای یک محصول یا خدمات است.

این کتاب الگوریتم های داده های اولیه را بدون اصطلاحات نظری توضیح می دهد و شما به طور عملی با آن آشنا خواهید شد. تبدیل داده ها به بینش با استفاده از تکنیک های یادگیری ماشین. ما پردازش نوآوری مبتنی بر داده را برای انواع مختلفی از داده‌ها مانند متن، تصاویر، نمودارهای شبکه اجتماعی، اسناد و سری‌های زمانی انجام خواهیم داد و به شما نشان می‌دهد که چگونه پردازش داده‌های بزرگ را با MongoDB و Apache Spark پیاده‌سازی کنید.

آنچه یاد خواهید گرفت

  • اطلاعات خود را به دست آورید، قالب بندی کنید و تجسم کنید
  • یک موتور جستجوی مشابه تصویر بسازید
  • تجسم های معنی دار ایجاد کنید که هر کسی بتواند آن را درک کند< /li>
  • شروع به تجزیه و تحلیل نمودارهای شبکه های اجتماعی کنید
  • چگونگی اجرای تحلیل متن احساسی را بیابید
  • ابزارهای تجزیه و تحلیل داده ها مانند پانداها، MongoDB و Apache Spark را نصب کنید
  • li>
  • با Apache Spark آشنا شوید
  • الگوریتم های یادگیری ماشین مانند طبقه بندی یا پیش بینی را پیاده سازی کنید

درباره نویسنده

هکتور کوستا بنیانگذار و دانشمند ارشد داده در Dataxios، یک شرکت تحقیقاتی هوش ماشینی است. دارای مدرک کارشناسی انفورماتیک و کارشناسی ارشد. در علوم کامپیوتر. او خدمات مشاوره ای را برای طراحی محصول مبتنی بر داده با تجربه در صنایع مختلف از جمله خدمات مالی، خرده فروشی، فین تک، آموزش الکترونیکی و منابع انسانی ارائه می دهد. او در اوقات فراغت خود از علاقه مندان به رباتیک است.

Dr. Sampath Kumarبه عنوان استادیار و رئیس بخش آمار کاربردی در دانشگاه Telangana کار می کند. وی دارای مدرک کارشناسی ارشد، کارشناسی ارشد و دکتری در رشته آمار است. وی دارای پنج سال سابقه تدریس در دوره PG می باشد. او بیش از چهار سال تجربه در بخش شرکتی دارد. تخصص وی در تجزیه و تحلیل داده های آماری با استفاده از SPSS، SAS، R، Minitab، MATLAB و ... می باشد. او یک برنامه نویس پیشرفته در نرم افزار SAS و matlab است. وی دارای تجربه تدریس در موضوعات مختلف، کاربردی و محض آمار مانند مدل های پیش بینی، تحلیل رگرسیون کاربردی، تحلیل داده های چند متغیره، تحقیق در عملیات و ... در مقطع کارشناسی ارشد می باشد. دانش آموزان. وی در حال حاضر سرپرستی دکترا را بر عهده دارد. محققان.

فهرست محتوا

  1. شروع به کار
  2. پیش پردازش داده
  3. دسترسی به تجسم
  4. < li>طبقه بندی متن
  5. بازیابی تصویر مبتنی بر شباهت
  6. شبیه سازی قیمت سهام
  7. پیش بینی قیمت طلا
  8. کار با ماشین های بردار پشتیبان< /li>
  9. مدل سازی بیماری های عفونی با اتوماتای ​​سلولی
  10. کار با نمودارهای اجتماعی
  11. کار با داده های توییتر
  12. پردازش و تجمیع داده ها با MongoDB
  13. کار با MapReduce
  14. تجزیه و تحلیل داده های آنلاین با Jupyter و Wakari
  15. درک پردازش داده با استفاده از Apache Spark

توضیحاتی درمورد کتاب به خارجی

Key Features

  • Learn to use various data analysis tools and algorithms to classify, cluster, visualize, simulate, and forecast your data
  • Apply Machine Learning algorithms to different kinds of data such as social networks, time series, and images
  • A hands-on guide to understanding the nature of data and how to turn it into insight

Book Description

Beyond buzzwords like Big Data or Data Science, there are a great opportunities to innovate in many businesses using data analysis to get data-driven products. Data analysis involves asking many questions about data in order to discover insights and generate value for a product or a service.

This book explains the basic data algorithms without the theoretical jargon, and you'll get hands-on turning data into insights using machine learning techniques. We will perform data-driven innovation processing for several types of data such as text, Images, social network graphs, documents, and time series, showing you how to implement large data processing with MongoDB and Apache Spark.

What you will learn

  • Acquire, format, and visualize your data
  • Build an image-similarity search engine
  • Generate meaningful visualizations anyone can understand
  • Get started with analyzing social network graphs
  • Find out how to implement sentiment text analysis
  • Install data analysis tools such as Pandas, MongoDB, and Apache Spark
  • Get to grips with Apache Spark
  • Implement machine learning algorithms such as classification or forecasting

About the Author

Hector Cuesta is founder and Chief Data Scientist at Dataxios, a machine intelligence research company. Holds a BA in Informatics and a M.Sc. in Computer Science. He provides consulting services for data-driven product design with experience in a variety of industries including financial services, retail, fintech, e-learning and Human Resources. He is an enthusiast of Robotics in his spare time.

Dr. Sampath Kumar works as an assistant professor and head of Department of Applied Statistics at Telangana University. He has completed M.Sc., M.Phl., and Ph. D. in statistics. He has five years of teaching experience for PG course. He has more than four years of experience in the corporate sector. His expertise is in statistical data analysis using SPSS, SAS, R, Minitab, MATLAB, and so on. He is an advanced programmer in SAS and matlab software. He has teaching experience in different, applied and pure statistics subjects such as forecasting models, applied regression analysis, multivariate data analysis, operations research, and so on for M.Sc. students. He is currently supervising Ph.D. scholars.

Table of Contents

  1. Getting Started
  2. Preprocessing Data
  3. Getting to Grips with Visualization
  4. Text Classification
  5. Similarity-Based Image Retrieval
  6. Simulation of Stock Prices
  7. Predicting Gold Prices
  8. Working with Support Vector Machines
  9. Modeling Infectious Diseases with Cellular Automata
  10. Working with Social Graphs
  11. Working with Twitter Data
  12. Data Processing and Aggregation with MongoDB
  13. Working with MapReduce
  14. Online Data Analysis with Jupyter and Wakari
  15. Understanding Data Processing using Apache Spark




نظرات کاربران