کتاب Data Science: A First Introduction

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.