کتاب Python Data Analytics

توضیحات

کتاب Python Data Analytics: With Pandas, NumPy, and Matplotlib, 3rd Edition (تجزیه و تحلیل داده‌های پایتون: با Pandas، NumPy و Matplotlib، نسخه سوم) از جدیدترین منابع آموزش تحلیل داده‌ها با استفاده از زبان برنامه‌نویسی پایتون است که در 14 فصل علاوه بر آموزش مفاهیم تحلیل داده، به شما کار با ابزارهای تحلیل آن توسط پایتون را آموزش می‌دهد.

در ادامه مقدمه‌ای از کتاب Python Data Analytics را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Python Data Analytics:

حدود پنج سال از آخرین چاپ این کتاب می‌گذرد. در نگارش این ویرایش سوم، تغییرات لازم را هم در متن و هم در کد ایجاد کردم. ابتدا، تمام کدهای پایتون به 3.8 و بالاتر منتقل شده است و تمام ارجاعات به نسخه‌های Python 2.x حذف شده اند. برخی از فصل‌ها نیاز به بازنویسی کامل داشتند زیرا محتوا دیگر سازگار نبود. من به TensorFlow 3.x اشاره می‌کنم که در مقایسه با TensorFlow 2.x (که در نسخه قبلی پوشش داده شد)، کل سیستم مرجع خود را کاملاً اصلاح کرده است.

در طی پنج سال، ماژول‌های یادگیری عمیق و کد توسعه‌یافته با نسخه 2.x کاملاً غیرقابل استفاده بودند. Keras و همه ماژول‌های آن در کتابخانه TensorFlow گنجانده شده‌اند و جایگزین تمام کلاس‌ها، توابع و ماژول‌هایی شده‌اند که عملکردهای مشابهی را انجام می‌دهند.

بیشتر بخوانید: کتاب Advanced Data Analytics Using Python

ساخت مدل‌های شبکه‌های عصبی، مراحل یادگیری و عملکردهایی که استفاده می‌کنند، همگی کاملاً تغییر کرده‌اند. بنابراین، در این نسخه، شما این فرصت را دارید تا با روش‌های TensorFlow 3.x آشنا شوید و با مفاهیم و پارادایم‌های جدید در نسخه جدید آشنا شوید.

در مورد تجسم داده‌ها، تصمیم گرفتم اطلاعاتی در مورد کتابخانه Seaborn به فصل matplotlib اضافه کنم. Seaborn، اگرچه هنوز در نسخه 0.x است، اما به لطف نمایش آماری نمودارها و سازگاری آن با فریم های داده پاندا، ثابت می‌کند که یک افزونه matplotlib بسیار مفید برای تجزیه و تحلیل داده‌ها است.

امیدوارم با این نسخه سوم کاملاً به روز شده، بتوانم شما را بیشتر به مطالعه و تعمیق تجزیه و تحلیل داده‌های خود با پایتون ترغیب کنم. این کتاب در حال حاضر یک ابزار یادگیری ارزشمند برای شما خواهد بود و به عنوان یک مرجع قابل اعتماد در آینده خواهد بود.

جدیدترین ابزارها و تکنیک های پایتون را کاوش کنید تا به شما در مقابله با دنیای جمع آوری و تجزیه و تحلیل داده‌ها کمک کند. محاسبات علمی را با NumPy، تجسم با matplotlib و یادگیری ماشین را با scikit-learn مرور خواهید کرد.

بیشتر بخوانید: کتاب Data Analytics and Business Intelligence

گذری بر نسخه سوم کتاب Python Data Analytics:

نسخه سوم کتاب Python Data Analytics به طور کامل برای آخرین نسخه پایتون و کتابخانه های مرتبط با آن به روز شده است و شامل تحلیل داده‌های رسانه های اجتماعی، تجزیه و تحلیل تصویر با OpenCV و کتابخانه های یادگیری عمیق است. هر فصل شامل چندین مثال است که نحوه کار با هر کتابخانه را نشان می‌دهد. در قلب آن، پوشش Pandas نهفته است، برای ساختارهای داده با کارایی بالا و آسان برای استفاده و ابزارهایی برای دستکاری داده‌ها.

نویسنده فابیو نلی به طور ماهرانه استفاده از پایتون را برای پردازش، مدیریت و بازیابی اطلاعات نشان می‌دهد. فصل‌های بعدی آنچه را که آموخته‌اید در تشخیص دست خط و گسترش قابلیت‌های گرافیکی با کتابخانه جاوا اسکریپت D3 اعمال می‌کنند.

چه با داده‌های فروش، داده‌های سرمایه‌گذاری، داده‌های پزشکی، استفاده از صفحه وب یا سایر مجموعه‌های داده سر و کار داشته باشید، Python Data Analytics، نسخه سوم با نمونه‌هایی از ذخیره، دسترسی و تجزیه و تحلیل داده‌ها مرجع ارزشمندی است.

آنچه در کتاب Python Data Analytics یاد خواهید گرفت:

• مفاهیم اصلی تجزیه و تحلیل داده‌ها و اکوسیستم پایتون را درک کنید
• با Pandas برای خواندن، نوشتن و پردازش داده‌ها عمیق تر شوید
• از ابزارها و تکنیک‌ها برای تجسم داده‌ها و تجزیه و تحلیل تصویر استفاده کنید
• کتابخانه‌های محبوب یادگیری عمیق Keras، Theano، TensorFlow و PyTorch را بررسی کنید

کتاب Python Data Analytics برای چه کسی است؟

توسعه دهندگان باتجربه پایتون که باید در مورد ابزار پایتونیک برای تجزیه و تحلیل داده‌ها بیاموزند

سرفصل‌های کتاب Python Data Analytics:

• Table of Contents
• About the Author
• About the Technical Reviewer
• Preface
• Chapter 1: An Introduction to Data Analysis
• Chapter 2: Introduction to the Python World
• Chapter 3: The NumPy Library
• Chapter 4: The pandas Library—An Introduction
• Chapter 5: pandas: Reading and Writing Data
• Chapter 6: pandas in Depth: Data Manipulation
• Chapter 7: Data Visualization with matplotlib and Seaborn
• Chapter 8: Machine Learning with scikit-learn
• Chapter 9: Deep Learning with TensorFlow
• Chapter 10: An Example—Meteorological Data
• Chapter 11: Embedding the JavaScript D3 Library in the IPython Notebook
• Chapter 12: Recognizing Handwritten Digits
• Chapter 13: Textual Data Analysis with NLTK
• Chapter 14: Image Analysis and Computer Vision with OpenCV
• Appendix A: Writing Mathematical Expressions with LaTeX
• Appendix B: Open Data Sources
• Index

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