کتاب Foundational Python for Data Science

کتاب Foundational Python for Data Science به صورت پایه‌ای و مبنایی زبان برنامه‌نویسی پایتون را برای علوم داده آموزش می‌دهد. این کتاب در 15 فصل مبانی علوم داده را همراه با مثال‌هایی برای آموزش تئوری‌های علم داده شرح می‌دهد. همچنین علاوه بر زبان برنامه‌نویسی پایتون، از کتابخانه‌های این زبان نیز جهت به کارگیری در علوم داده بهره می‌گیرد.

علم داده و یادگیری ماشین – دو مورد از داغ‌ترین رشته‌های جهان – در حال جذب استعدادها از طیف گسترده‌ای از رشته‌های فنی، تجاری و هنرهای لیبرال هستند. پایتون، زبان برنامه‌نویسی شماره 1 در جهان، همچنین محبوب‌ترین زبان برای علم داده و یادگیری ماشین است. کتاب Foundational Python for Data Science اولین راهنمای طراحی شده است که به طور خاص برای کمک به میلیون‌ها نفر با پیشینه‌های بسیار متنوع طراحی شده است تا پایتون را یاد بگیرند تا بتوانند از آن برای علم داده و یادگیری ماشین استفاده کنند.

کندی بهرمن، مربی و متخصص پیشرو علم داده، ابتدا فرآیند یادگیری کدنویسی را برای اولین‌بار با پایتون و نوت‌بوک ژوپیتر طی می‌کند، سپس کتابخانه‌های کلیدی را معرفی می‌کند که هر برنامه‌نویس علوم داده پایتون نیاز به تسلط بر آن دارد. هنگامی که این مبانی را یاد گرفتید، بهرمن تکنیک‌های میانی و کاربردی پایتون را برای حل مسئله در دنیای واقعی معرفی می‌کند.

در سراسر پایتون بنیادی برای علم داده تمرین‌های عملی، ارزیابی‌های یادگیری، مطالعات موردی و موارد دیگر را ارائه می‌کند – که همگی با نوت‌بوک‌های Colab (سازگار با ژوپیتر) ایجاد شده‌اند، بنابراین می‌توانید تمام نمونه‌های کدنویسی را به صورت تعاملی بدون نصب یا پیکربندی نرم‌افزاری اجرا کنید.

در ادامه مقدمه‌ای از کتاب Foundational Python for Data Science را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Foundational Python for Data Science:

زبان پایتون مدت‌هاست که وجود داشته و در بسیاری از رشته‌ها قابل استفاده است. اجرای اولیه آن توسط Guido van Rossum در سال 1989 به عنوان ابزاری برای مدیریت سیستم به عنوان جایگزینی برای اسکریپت‌های Bash و برنامه‌های C آغاز شد. این‌ها شامل همه چیز از توسعه وب، فیلم، دولت، علم و تجارت می‌شود.

من برای اولین‌بار با پایتون در صنعت فیلم آشنا شدم، جایی که از آن برای خودکارسازی مدیریت داده‌ها در بخش‌ها و مکان‌ها استفاده کردیم. در دهه گذشته، پایتون به ابزاری غالب در علم داده تبدیل شده است.

این سلطه به دلیل دو پیشرفت شکل گرفت: نوت‌بوک Jupyter و کتابخانه‌های قدرتمند شخص ثالث. در سال 2001، فرناندو پرز پروژه IPython را آغاز کرد، یک محیط پایتون تعاملی با الهام از نوت‌بوک‌های Maple و Mathematica.3 تا سال 2014، بخش ویژه نوت‌بوک پروژه به عنوان پروژه Jupyter تقسیم شد. این نوت‌بوک‌ها برای محیط‌های کاری علمی و آماری سرآمد بوده‌اند. به موازات این توسعه، کتابخانه‌های شخص ثالث برای محاسبات علمی و آماری برای پایتون توسعه یافت. با برنامه‌های بسیار زیاد، قابلیت‌های موجود برای برنامه‌نویس پایتون به شدت افزایش یافته است. با بسته‌های تخصصی برای همه چیز، از باز کردن سوکت‌های وب تا پردازش متن زبان طبیعی، بیشتر از نیاز یک توسعه‌دهنده مبتدی در دسترس است.

این پروژه زاییده ذهن Noah Gift بود. او در کار خود به عنوان یک معلم دریافت که دانش‌آموزان علوم داده منبعی برای یادگیری فقط بخش‌های مورد نیاز پایتون ندارند. بسیاری از کتاب‌های عمومی درباره پایتون و در مورد علم داده وجود داشت، اما منابعی برای یادگیری فقط پایتون برای شروع در علم داده‌ها لازم نبود. این چیزی است که ما سعی کرده‌ایم در اینجا ارائه دهیم. کتاب Foundational Python for Data Science پایتون مورد نیاز برای راه‌اندازی یک صفحه وب یا اجرای مدیریت سیستم را آموزش نمی‌دهد. همچنین در نظر گرفته شده است که به شما علم داده بیاموزد، بلکه پایتون مورد نیاز برای یادگیری علم داده است.

امیدوارم این راهنما همراه خوبی در تلاش خود برای رشد دانش علم داده خود باشید.

همچنین شما می‌توانید علاوه بر کتاب Foundational Python for Data Science، از کتاب Intro to Python for Computer Science and Data Science نیز برای مطالعه‌ی بیشتر کاربرد زبان برنامه‌نویسی پایتون در علوم رایانه و علوم داده بهره ببرید.

سرفصل‌های کتاب Foundational Python for Data Science:

• Preface
• I: Learning Python in a Notebook Environment
  • 1 Introduction to Notebooks
  • 2 Fundamentals of Python
  • 3 Sequences
  • 4 Other Data Structures
  • 5 Execution Control
  • 6 Functions
• II: Data Science Libraries
  • 7 NumPy
  • 8 SciPy
  • 9 Pandas
  • 10 Visualization Libraries
  • 11 Machine Learning Libraries
  • 12 Natural Language Toolkit
• III: Intermediate Python
  • 13 Functional Programming
  • 14 Object-Oriented Programming
  • 15 Other Topics
• A   Answers to End-of-Chapter Questions
  • Index

فایل کتاب Foundational Python for Data Science را می‌توانید پس از پرداخت، دریافت کنید.