کتاب Hands-on Exploratory Data Analysis with Python یا تجزیه و تحلیل داده‌ها به وسیله زبان برنامه‌نویسی پایتون یکی از جدیدترین و بهترین کتاب‌ها در زمینه تحلیل داده‌ها می‌باشد. در این کتاب به شرح تئوری‌ها و نکات مهم داده‌کاوی و همچنین EDA یا Exploratory Data Analysis پرداخته می‌شود. علاوه بر آن مدل‌های مرسوم داده‌کاوی به همراه مثال‌های عملی با زبان پایتون از دیگر قسمت‌های کتاب Hands-on Exploratory Data Analysis with Python می‌باشد.
کاربرد زبان برنامه‌نویسی پایتون در تحلیل داده:
زبان برنامه‌نویسی Python که یکی از زبان‌های برنامه‌نویسیِ محبوب بین برنامه‌نویسان است. این زبانِ برنامه‌نویسی کاربرد بسیار گسترده‌ای در حوزه علوم داده و یادگیری‌ماشین دارد به گونه‌ای که در زمان نوشتن این درس، در شرکت‌های ایالات متحده آمریکا بیشترین متقاضی را برای علوم‌داده و یادگیری‌ماشین، زبان پایتون دارد.
در واقع یادگیریِ یک زبانِ برنامه‌نویسی می‌تواند خیلی از عملیات داده‌کاوی را ساده کند. در زمینه‌ی شغلی نیز فراگرفتنِ یک زبانِ برنامه‌نویسی در حوزه‌ی علوم‌داده می‌تواند فرصت‌های شغلیِ بسیار زیادی را پیش روی افراد باز کند.
اگر نگاهی به وب‌سایت IBM داشته باشیم، در سال‌های اخیر استفاده از پایتون به عنوانِ یکی از ابزارهای داده‌کاوی در صدر قرار گفته و بعد از آن زبان‌های جاوا و R قرار دارند. علتِ این امر را می‌توان در توسعه‌ی سریعِ کتابخانه‌ها و ابزارهای کمکی در پایتون و همچنین قدرتِ خودِ این زبان در پردازشِ داده‌ها دانست. البته سادگی یادگیری و وجود پشتیبان‌های مختلف قدرتمند از توسعه‌ی این زبان نیز از دیگر عواملِ وجودیِ این صدرنشینی است.
کتابخانه‌های مختلف و قدرتمندی مانند Tensorflow، Scikit Learn، Keras، PyTorch و… به متخصصان علوم‌داده و یادگیری‌ماشین کمک کرده است که بتوانند عملیاتِ داده‌کاوی را با سرعتِ بیشتری انجام داده و دوباره چرخ را از نو اختراع نکنند. برای مثال در Scikit Learn انواع الگوریتم‌های طبقه‌بندی و خوشه‌بندی با کیفیتِ بسیار زیاد پیاده‌سازی شده است و برنامه‌نویسانْ دیگر نیازی به بازنویسیِ این الگوریتم‌ها ندارند و می‌توانند تمرکز و زمان خود را بر روی تحلیلِ داده‌ها و امتحان کردنِ الگوریتم‌های مختلف و روش‌های متفاوت برای رسیدن به بهترین کیفیت صرف کنند.
اگر تا کنون با زبان برنامه‌نویسی پایتون کار نکرده‌اید و زیاد با آن آشنا نیستید وب‌سایتِ LearnPython می‌تواند در یادگیریِ این زبان کمک زیادی بکند.
منبع: https://bit.ly/3iQSlBC
سرفصل‌های کتاب Hands-on Exploratory Data Analysis with Python:
- The Fundamentals of EDA
- Exploratory Data Analysis Fundamentals
- Visual Aids for EDA
- EDA with Personal Email
- Data Transformation
- Descriptive Statistics
- Descriptive Statistics
- Grouping Datasets
- Correlation
- Time Series Analysis
- Model Development and Evaluation
- Hypothesis Testing and Regression
- Model Development and Evaluation
- EDA on Wine Quality Data Analysis
فایل کتاب Hands-on Exploratory Data Analysis with Python را می‌توانید پس از پرداخت دانلود کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.