کتاب Data Science: A First Introduction (علم داده: مقدمه اول) یک نقطه ورود جامع و قابل دسترس به حوزه هیجان‌انگیز علم داده را فراهم می‌کند. این راهنمای مقدماتی یک درک اساسی از مفاهیم کلیدی، روش‌شناسی و ابزار‌های ضروری برای تجزیه و تحلیل و استخراج بینش از مجموعه داده‌های پیچیده ارائه می‌دهد.
از طریق توضیحات واضح و مثال‌های عملی، خوانندگان سفری را از طریق اصول اصلی علم داده آغاز می‌کنند و یاد می‌گیرند که چگونه اطلاعات ارزشمند را استخراج کنند، الگو‌ها را شناسایی کنند و با استفاده از داده‌ها تصمیمات آگاهانه بگیرند.
در ادامه مقدمه‌ای از کتاب Data Science: A First Introduction را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Data Science: A First Introduction:
Data Science: A First Introduction بر استفاده از زبان برنامه‌نویسی R در نوت بوک‌های Jupyter برای انجام دستکاری و پاکسازی داده‌ها، ایجاد تجسم‌های مؤثر و استخراج بینش از داده‌ها با استفاده از طبقه‌بندی، رگرسیون، خوشه‌بندی و استنتاج تمرکز دارد.
متن بر جریان‌های کاری که واضح، قابل تکرار و اشتراک‌گذاری هستند تأکید می‌کند و شامل پوشش اصول اولیه کنترل نسخه است. همه کد منبع به صورت آنلاین در دسترس است، که نشان‌دهنده استفاده از گردش کار پروژه قابل تکرار خوب است.
بیشتر بخوانید: کتاب Learning Data Science
این کتاب بر اساس تحقیقات آموزشی و اصول یادگیری فعال، از رویکردی مدرن برای R استفاده می‌کند و شامل کاربرگ‌های خودکار Jupyter برای یادگیری تعاملی و خودگردان است. این کتاب خوانندگان را به خوبی برای پروژه‌های علم داده آماده می‌کند.
این کتاب برای زبان‌آموزانی از تمام رشته‌ها با حداقل دانش قبلی از ریاضیات و برنامه‌نویسی طراحی شده است. نویسندگان مطالب را از طریق سال‌ها تجربه تدریس به هزاران دانشجوی کارشناسی در دانشگاه بریتیش کلمبیا DSCI۱۰۰: Introduction to Data Sciencecourse بهبود بخشیده‌اند.
سرفصل‌های کتاب Data Science: A First Introduction:
- Cover
- Half Title
- Series Page
- Title Page
- Copyright Page
- Dedication
- Contents
- Foreword
- Preface
- Acknowledgments
- About the authors
- 1. R and the Tidyverse
- 2. Reading in data locally and from the web
- 3. Cleaning and wrangling data
- 4. Effective data visualization
- 5. Classification I: training & predicting
- 6. Classification II: evaluation & tuning
- 7. Regression I: K-nearest neighbors
- 8. Regression II: linear regression
- 9. Clustering
- 10. Statistical inference
- 11. Combining code and text with Jupyter
- 12. Collaboration with version control
- 13. Setting up your computer
- Bibliography
- Index
جهت دانلود کتاب Data Science: A First Introduction می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.