کتاب Data Literacy with Python

کتاب Data Literacy with Python (سواد داده با پایتون) به طور خلاصه در 5 فصل مفهوم سواد داده در علم داده را شرح می‌دهد.

در ادامه مقدمه‌ای از کتاب The Future of Sales را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Data Literacy with Python:

هدف این کتاب این است که خوانندگان را وارد دنیای داده‌ها کند و از درک جامعی از تفاوت‌های ظریف، پیچیدگی‌ها و پیچیدگی‌های آن اطمینان حاصل کند. با پایتون ۳ به عنوان رسانه اصلی، این کتاب بر نقش محوری داده‌ها در صنایع مدرن تأکید می‌کند و اینکه چگونه مدیریت ماهرانه آن می‌تواند منجر به تصمیم‌گیری دقیق شود.

پیشنهاد اصلی

کتاب Data Literacy with Python در قلب خود، مقدمه‌ای سریع برای وظایف اساسی مربوط به داده‌ها ارائه می‌دهد و خوانندگان را برای مفاهیم پیشرفته‌تر آموزش مدل که بعداً معرفی می‌شود آماده می‌کند.

از طریق نمونه‌های دقیق و گام به گام کد پایتون، خوانندگان سفر مدل‌های آموزشی را طی می‌کنند، که با الگوریتم kNN شروع می‌شود، و سپس به آرامی به طبقه‌بندی‌کننده‌های دیگر انتقال می‌یابند، بدون زحمت، صرفاً با تغییر خطوط کد.

بیشتر بخوانید: کتاب Streamlit for Data Science

از مبانی تا تجسم

این روایت با بررسی مجموعه داده‌ها و مسائل احتمالی آغاز می‌شود و به تدریج به موضوعات پیچیده‌تری مانند تشخیص ناهنجاری و پاکسازی داده‌ها می‌پردازد. با پیشرفت، راهنما پیچیدگی‌های الگوریتم‌های طبقه‌بندی را آشکار می‌کند و به دنبال آن یک فرو رفتن عمیق در تجسم داده‌ها را دنبال می‌کند. در اینجا، ابزار‌هایی مانند Sweetviz، Skimpy، Matplotlib و Seaborn معرفی می‌شوند که تجربه عملی را در ارائه نمودار‌ها و نمودار‌ها به خوانندگان ارائه می‌دهند.

پیش‌نیاز‌های فنی کتاب Data Literacy with Python

برای به دست آوردن حداکثر مقدار از این کتاب، درک پایه‌ای از Python ۳. x ضروری است. در حالی که برخی از بخش‌ها ممکن است نیاز به درک اولیه ابزار «awk» داشته باشند، اکثر محتوا به مهارت پایتون اختصاص دارد. آشنایی با پاندا‌ها، به ویژه فریم‌های داده آن، سفر خواننده را بیشتر می‌کند.

انواع کد

کتاب Data Literacy with Python با قدردانی از تنوع در سبک‌های یادگیری، ترکیبی از نمونه‌های کد کوتاه، دقیق و پیشرونده را در بر می‌گیرد. این تنوع تضمین می‌کند که چه کسی یک کدنویس عملی باشد، که مستقیماً به اجرا بپرد، یا یک خواننده متفکر، که در مورد منطق فکر می‌کند، چیزی برای همه وجود دارد.

مخاطب جهانی، زبان جهانی

این زبان که برای افرادی طراحی شده است که شروع به یادگیری ماشینی می‌کنند، مخاطبان جهانی را برآورده می‌کند. با دوری عمدی از محاوره‌ها، و اتخاذ یک رویکرد استاندارد انگلیسی، وضوح محتوا را برای خوانندگان، صرف نظر از پیشینه زبانی آن‌ها تضمین می‌کند.

ماهیت کد

در حالی که نمونه کد‌های ضمیمه شده جامع هستند، ماهیت آن‌ها در وضوح آن‌ها نهفته است. آن‌ها با دقت طراحی شده‌اند تا مفاهیم زیربنایی را به جای تأکید بر کارایی یا مختصر بودن، روشن کنند. با این حال، خوانندگان تشویق می‌شوند تا بهینه‌سازی، آزمایش و بداهه‌سازی را انجام دهند و کد را برای خود بسازند.

فایل‌های همراه با کد منبع و مجموعه داده‌ها با ارسال نامه به ناشر در info@merclearning.com در دسترس هستند.

فراتر از کد

در حالی که \”سواد داده با پایتون\” عمدتاً یک راهنمای فنی است، از این‌ایده حمایت می‌کند که قوی‌ترین ابزار یک ذهن کنجکاو است. یک دسیسه واقعی برای داده‌ها، که با عزم برای رمزگشایی نمونه‌های کد تکمیل می‌شود، چیزی است که این سفر را واقعاً متحول می‌کند.

سرفصل‌های کتاب Data Literacy with Python:

• Front Cover
• Half-Title Page
• Title Page
• Copyright Page
• Dedication
• Contents
• Preface
• Chapter 1: Working With Data
• Chapter 2: Outlier and Anomaly Detection
• Chapter 3: Cleaning Datasets
• Chapter 4: Introduction to Statistics
• Chapter 5: Matplotlib and Seaborn
• Appendix A: Introduction to Python
• Appendix B: Introduction to Pandas
• Index

جهت دانلود کتاب Data Literacy with Python می‌توانید پس از پرداخت، دریافت کنید.