عنوان کتاب به انگلیسی:
|
Python: Data Analytics and Visualization
|
| سال انتشار: 2017 | 866 صفحه | حجم فایل: 17 مگابایت | زبان: انگلیسی |
| نویسنده |
Phuong Vo.T.H, Martin Czygan, Ashish Kumar |
| ناشر |
Packt Publishing |
| ISBN10: |
1788290097 |
| ISBN13: |
9781788290098 |
توضیحات کتاب
Understand, evaluate, and visualize data About This Book – Learn basic steps of data analysis and how to use Python and its packages – A step-by-step guide to predictive modeling including tips, tricks, and best practices – Effectively visualize a broad set of analyzed data and generate effective results Who This Book Is For This book is for Python Developers who are keen to get into data analysis and wish to visualize their analyzed data in a more efficient and insightful manner. What You Will Learn – Get acquainted with NumPy and use arrays and array-oriented computing in data analysis – Process and analyze data using the time-series capabilities of Pandas – Understand the statistical and mathematical concepts behind predictive analytics algorithms – Data visualization with Matplotlib – Interactive plotting with NumPy, Scipy, and MKL functions – Build financial models using Monte-Carlo simulations – Create directed graphs and multi-graphs – Advanced visualization with D3 In Detail You will start the course with an introduction to the principles of data analysis and supported libraries, along with NumPy basics for statistics and data processing. Next, you will overview the Pandas package and use its powerful features to solve data-processing problems. Moving on, you will get a brief overview of the Matplotlib API .Next, you will learn to manipulate time and data structures, and load and store data in a file or database using Python packages. You will learn how to apply powerful packages in Python to process raw data into pure and helpful data using examples. You will also get a brief overview of machine learning algorithms, that is, applying data analysis results to make decisions or building helpful products such as recommendations and predictions using Scikit-learn. After this, you will move on to a data analytics specialization-predictive analytics. Social media and IOT have resulted in an avalanche of data. You will get started with predictive analytics using Python. You will see how to create predictive models from data. You will get balanced information on statistical and mathematical concepts, and implement them in Python using libraries such as Pandas, scikit-learn, and NumPy. You’ll learn more about the best predictive modeling algorithms such as Linear Regression, Decision Tree, and Logistic Regression. Finally, you will master best practices in predictive modeling. After this, you will get all the practical guidance you need to help you on the journey to effective data visualization. Starting with a chapter on data frameworks, which explains the transformation of data into information and eventually knowledge, this path subsequently cover the complete visualization process using the most popular Python libraries with working examples This Learning Path combines some of the best that Packt has to offer in one complete, curated package. It includes content from the following Packt products: ? Getting Started with Python Data Analysis, Phuong Vo.T.H &Martin Czygan ? Learning Predictive Analytics with Python, Ashish Kumar ? Mastering Python Data Visualization, Kirthi Raman Style and approach The course acts as a step-by-step guide to get you familiar with data analysis and the libraries supported by Python with the help of real-world examples and datasets. It also helps you gain practical insights into predictive modeling by implementing predictive-analytics algorithms on public datasets with Python. The course offers a wealth of practical guidance to help you on this journey to data visualization
توضیحات کتاب به فارسی (ترجمه ماشینی)
درک ، ارزیابی و تجسم داده ها در مورد این کتاب – مراحل اساسی تجزیه و تحلیل داده ها و نحوه استفاده از پایتون و بسته های آن – یک راهنمای گام به گام برای مدل سازی پیش بینی شامل نکات ، ترفندها و بهترین شیوه ها – به طور مؤثر یک مجموعه گسترده را تجسم کنید.از داده های تجزیه و تحلیل شده و نتایج مؤثر که این کتاب برای این کتاب برای توسعه دهندگان پایتون است که مایل به تجزیه و تحلیل داده ها هستند و آرزو می کنند داده های تجزیه و تحلیل شده خود را به روشی کارآمدتر و بینش تر تجسم کنند.آنچه شما خواهید آموخت – با NUMPY آشنا شوید و از آرایه ها و محاسبات آرایه گرا در تجزیه و تحلیل داده ها استفاده کنید – فرآیند و تجزیه و تحلیل داده ها با استفاده از قابلیت های سری زمانی پاندا – درک مفاهیم آماری و ریاضی در پشت الگوریتم های تجزیه و تحلیل پیش بینی کننده – تجسم داده با Matplotlib -توطئه تعاملی با توابع Numpy ، Scipy و MKL – ساخت مدل های مالی با استفاده از شبیه سازی های مونت کارلو – ایجاد نمودارهای کارگردانی و چند نمودار – تجسم پیشرفته با D3 با جزئیات شما دوره را با معرفی اصول تجزیه و تحلیل داده ها شروع می کنید و پشتیبانی می کنیدكتابخانه ها ، همراه با اصول NUMPY برای آمار و پردازش داده ها.در مرحله بعد ، شما بسته بندی Pandas را مرور می کنید و از ویژگی های قدرتمند آن برای حل مشکلات پردازش داده استفاده می کنید.در حال حرکت ، شما یک نمای کلی از API Matplotlib را دریافت خواهید کرد .Next ، شما یاد می گیرید که ساختارهای زمان و داده را دستکاری کنید و با استفاده از بسته های پایتون ، داده ها را در یک پرونده یا پایگاه داده بارگیری و ذخیره کنید.شما یاد می گیرید که چگونه بسته های قدرتمند را در پایتون اعمال کنید تا داده های خام را در داده های خالص و مفید با استفاده از نمونه ها پردازش کنید.همچنین می توانید یک نمای کلی از الگوریتم های یادگیری ماشین ، یعنی استفاده از نتایج تجزیه و تحلیل داده ها برای تصمیم گیری یا ساخت محصولات مفید مانند توصیه ها و پیش بینی ها با استفاده از Scikit-Learn استفاده کنید.پس از این ، شما به یک تجزیه و تحلیل تخصصی تجزیه و تحلیل داده های تجزیه و تحلیل داده می شوید.رسانه های اجتماعی و IoT منجر به بهمن داده ها شده اند.شما با تجزیه و تحلیل پیش بینی با استفاده از پایتون شروع خواهید کرد.خواهید دید که چگونه می توانید مدل های پیش بینی را از داده ها ایجاد کنید.شما در مورد مفاهیم آماری و ریاضی اطلاعات متعادل دریافت خواهید کرد و آنها را در پایتون با استفاده از کتابخانه هایی مانند Pandas ، Scikit-Learn و Numpy پیاده سازی می کنید.شما در مورد بهترین الگوریتم های مدل سازی پیش بینی کننده مانند رگرسیون خطی ، درخت تصمیم گیری و رگرسیون لجستیک اطلاعات بیشتری کسب خواهید کرد.سرانجام ، شما بهترین روشها را در مدل سازی پیش بینی تسلط خواهید داشت.پس از این ، شما تمام راهنمایی های عملی مورد نیاز خود را برای کمک به شما در سفر به تجسم داده های مؤثر دریافت خواهید کرد.با شروع یک فصل در مورد چارچوب های داده ، که توضیحات داده ها به اطلاعات و در نهایت دانش را توضیح می دهد ، این مسیر متعاقباً با استفاده از محبوب ترین کتابخانه های پایتون با مثالهای کاری ، این مسیر یادگیری را پوشش می دهد و این مسیر یادگیری برخی از بهترین مواردی را که Packt ارائه می دهد ، ترکیب می کنددر یک بسته کامل و سرپوشیده.این شامل محتوای محصولات Packt زیر است :؟شروع به کار با تجزیه و تحلیل داده های پایتون ، Phuong Vo.T.H و مارتین Czygan؟یادگیری تجزیه و تحلیل پیش بینی کننده با پایتون ، اشیش کومار؟تسلط بر تجسم داده های پایتون ، سبک Kirthi Raman و نزدیک شدن به این دوره به عنوان یک راهنمای گام به گام عمل می کند تا شما را با تجزیه و تحلیل داده ها و کتابخانه های پشتیبانی شده توسط پایتون با کمک نمونه های دنیای واقعی و مجموعه داده ها آشنا کند.همچنین به شما کمک می کند تا با اجرای الگوریتم های پیش بینی کننده-تحلیلی در مجموعه داده های عمومی با پایتون ، بینش عملی در مورد مدل سازی پیش بینی را بدست آورید.این دوره راهنمایی های عملی زیادی را برای کمک به شما در این سفر به تجسم داده ها ارائه می دهد
|
توجه کنید که این محصول به صورت فایل دانلودی است و نه کتاب کاغذی.
|
|
به هنگام خرید به زبان درج شده برای کتاب حتما توجه کنید. به صورت معمول در اکثر موارد زبان کتاب فارسی نیست.
|
|
در صورت هرگونه مشکل در دریافت کتاب به شماره 09395106248 پیامک دهید.
|
|
درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد.
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248
|
نقد و بررسیها
هنوز بررسیای ثبت نشده است.