کتاب Practical Data Science with Jupyter یا آموزش عملی علم داده با استفاده از ابزار Jupyter یک راهنمای کامل و بسیار جذاب برای آموزش علم داده می‌باشد که با استفاده از ابزار Jupyter مفاهیم و تئوری‌های علم داده را برای شما تشریح می‌کند. این کتاب در 23 فصل به آموزش مقدماتی تا پیشرفته‌ی این ابزار می‌پردازد و از جدیدترین منابع آموزش علم داده می‌باشد.
در ادامه مقدمه‌ای از کتاب Practical Data Science with Jupyter را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Practical Data Science with Jupyter:
امروزه، علم داده به بخشی ضروری از هر سازمان تبدیل شده است، که کارفرمایان مایلند برای استخدام متخصصان ماهر، دلارهای بالایی بپردازند. با توجه به نیازهای در حال تغییر صنعت، داده‌ها به رشد و تکامل خود ادامه می‌دهند و در نتیجه تقاضا برای دانشمندان داده افزایش می‌یابد.
با این حال، سؤالاتی که به طور مداوم هر شرکتی را درگیر می‌کند – آیا افراد بسیار ماهر به اندازه کافی وجود دارند که بتوانند میزان داده‌های موجود را تجزیه و تحلیل کنند، از کجا می‌آیند، و چه پیشرفت‌هایی در تکنیک‌های تحلیلی برای ارائه بینش مهم‌تر به آن‌ها وجود دارد؟ اگر کتاب Practical Data Science with Jupyter را انتخاب کرده‌اید، حتماً قبلاً از طریق گفتگوها یا وبلاگ‌هایی از چندین متخصص و رهبر این صنعت با این موضوعات برخورد کرده‌اید.
برای متخصص شدن در هر زمینه‌ای، همه باید از نقطه‌ای شروع کنند تا یاد بگیرند. کتاب Practical Data Science with Jupyter با در نظر گرفتن چنین دیدگاهی طراحی شده است تا به عنوان نقطه شروع شما در زمینه علم داده عمل کند. زمانی که کارم را در این زمینه شروع کردم، شانس کمی برای یافتن راهنمای فشرده‌ای نداشتم که بتوانم از آن برای یادگیری مفاهیم علم داده، تمرین مثال‌ها و اصلاح آن‌ها در صورت مواجهه با مشکلات مشابه استفاده کنم.
به زودی متوجه شدم که علم داده حوزه بسیار وسیعی است و داشتن تمام دانش در یک نسخه کوچک از یک کتاب بسیار غیرممکن است. بنابراین، تصمیم گرفتم تجربه خود را در قالب این کتاب جمع‌آوری کنم، جایی که شما دانش و مجموعه مهارت‌های لازم برای تبدیل شدن به یک دانشمند داده را به دست خواهید آورد، بدون اینکه وقت ارزشمند خود را برای یافتن مطالب پراکنده در اینترنت تلف کنید.
من فصل‌های این کتاب را به صورت زنجیره‌ای برنامه‌ریزی کردم. در فصل اول با داده‌ها و مجموعه مهارت‌های علوم داده جدید آشنا می‌شوید. فصل دوم همه چیز در مورد راه اندازی ابزارهایی برای تجارت است که با کمک آن‌ها می‌توانید مثال‌های مطرح شده در کتاب را تمرین کنید. در فصل‌های سوم تا ششم، انواع ساختارهای داده در پایتون را یاد خواهید گرفت که از آن‌ها در پروژه‌های روزانه علم داده خود استفاده خواهید کرد.
در فصل هفتم نحوه تعامل با پایگاه داده‌های مختلف با پایتون را آموزش می‌دهید. فصل هشتم کتاب Practical Data Science with Jupyter پرکاربردترین مفاهیم آماری در تحلیل داده‌ها را به شما آموزش می‌دهد. در فصل نهم، همه آماده خواهید بود که سفر خود را برای تبدیل شدن به یک دانشمند داده با یادگیری نحوه خواندن، بارگیری و درک انواع مختلف داده‌ها در نوت بوک Jupyter برای تجزیه و تحلیل آغاز کنید. فصل دهم و یازدهم شما را از طریق تکنیک‌های مختلف پاکسازی و تجسم داده‌ها راهنمایی می‌کند.
از فصل دوازدهم به بعد، شما باید دانش به دست آمده از فصل‌های قبلی را برای انجام پیش پردازش داده‌های موارد استفاده در دنیای واقعی ترکیب کنید. در فصل سیزدهم و چهاردهم، مشکلات یادگیری ماشینی تحت نظارت و بدون نظارت و نحوه حل آن‌ها را خواهید آموخت. فصل‌های پانزدهم و شانزدهم داده‌های سری زمانی را پوشش می‌دهند و نحوه مدیریت آن‌ها را به شما آموزش می‌دهند.
پس از پوشش مفاهیم کلیدی، من چهار مطالعه موردی مختلف را گنجانده‌ام، که در آن شما تمام دانش به دست آمده را به کار خواهید گرفت و حل مسائل دنیای واقعی را تمرین خواهید کرد. سه فصل آخر کتاب Practical Data Science with Jupyter شما را به دانشمندان داده‌ای آماده صنعت تبدیل می‌کند. استفاده از بهترین روش‌ها در هنگام ساختاردهی پروژه و استفاده از مخزن GitHub همراه با مفاهیم علم داده، در حین کار با سایر تیم‌های مهندسی نرم‌افزار، احساس ساده لوحی در شما ایجاد نمی‌کند.
کتابی که در دست دارید تلاش متواضعانه من است تا نه تنها مبانی علم داده را با استفاده از پایتون پوشش دهم، بلکه با تمرکز بر حداقل تئوری + مثال‌های عملی‌تر، در وقت شما صرفه‌جویی کنم. این مثال‌های عملی شامل مجموعه داده‌های دنیای واقعی و مشکلات واقعی است که شما را در مقابله با مشکلات داده‌های مشابه یا مرتبط مطمئن می‌کند. امیدوارم این کتاب برای شما ارزشمند باشد و شما را قادر سازد تا دانش علم داده خود را به عنوان یک متخصص در مدت کوتاهی گسترش دهید.
همچنین شما می‌توانید برای مطالعه‌ی بیشتر بر روی علم داده با استفاده از زبان برنامه‌نویسی پایتون از کتاب Practical Data Science with Python نیز استفاده نمائید.
سرفصل‌های کتاب Practical Data Science with Jupyter:
1. Data Science Fundamentals
2. Installing Software and System Setup
3. Lists and Dictionaries
4. Package, Function, and Loop
5. NumPy Foundation
6. Pandas and DataFrame
7. Interacting with Databases
8. Thinking Statistically in Data Science
9. How to Import Data in Python?
10. Cleaning of Imported Data
11. Data Visualization
12. Data Pre-processing
13. Supervised Machine Learning
14. Unsupervised Machine Learning
15. Handling Time-Series Data
16. Time-Series Methods
17. Case Study-1
18. Case Study-2
19. Case Study-3
20. Case Study-4
21. Python Virtual Environment
22. Introduction to An Advanced Algorithm – CatBoost
23. Revision of All Chapters’ Learning
Index
فایل کتاب Practical Data Science with Jupyter را می‌توانید پس از پرداخت، دریافت کنید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.