راهنمای کاربردی پایتون برای علم داده ‏ها

350000 تومان

  • ناشر: آرون
  • نویسنده: علیرضا افضل آقایی نائینی؛ کورش پرند
  • طراح جلد: محبوبه افضل آقایی نائینی
  • ویراستار: مریم جلالی
  • زبان: فارسي
  • تعداد صفحات: 380
  • سال انتشار: 1402
  • نوبت چاپ: 1
  • شابک: 6 – 096 – 317 – 622 – 978

توضیحات

کتاب راهنمای کاربردی پایتون برای علم داده ‏ها

پیش گفتار کتاب راهنمای کاربردی پایتون برای علم داده ‏ها: علم داده ها یک زمینه علمی بین رشته ای است که در آن ریاضیات، آمار، برنامه نویسی کامپیوتری، هوش مصنوعی، داده کاوی و یادگیری ماشین با یک تخصص خاص ترکیب می شوند تا اطلاعات و ساختارهای پنهان در مجموعه ای از داده ها استخراج شوند. از اطلاعاتی که به دستآمده استمی توان در تصمی مگیری های مهم استفاده کرد. از آنجایی که امروزه با حجم بالایی از داده ها ر وبه رو هستیم، اهمیت علم داده ها پررنگ تر می شود. درواقع می توان گفت امروزه یکی از زمینه های مهم در دنیا که برای اغلب سازمان ها ضروری است علم داده ها است. از این رو بسیاری از شرکت های بزرگ متخصصانی در این زمینه دارند و یا مشغول آموزش کارمندان خود در این زمینه هستند. در دوره های برگزار شده توسط مؤلفان این کتاب، مباحث اساسی در ارتباط با علم داده ها جهت آمادگی یک فرد برای ورود به بازار کار یا محیط های آموزشی، مطرح و تدریس شده اند. این مباحث پودمان های پیش پردازش داده ها، آموزش پایتون، رگرسیون و دسته بندی، خوشه بندی، الگوریتم های فرااکتشافی و
یادگیری عمیق را در بر می گیرند.

در میان ابزارهای پیاده سازی الگوریتم های علم داده، زبان برنامه نویسی پایتون به یکی از قدرت های بی بدیل تبدیل گشته است. سادگی نحو این زبان به همراه وجود کتابخانه های توکار و شخص ثالث فراوان آن را به انتخاب اول شرکت ها، محققان و دانشمندان عل مداده ها تبدیل کرده است. تجربه نویسندگان این کتاب از سال ها تدریساین زبان برنامه نویسی در محیط های آموزشی و شغلی نشان داده است که مخاطبین به سادگی با مفاهیم و نحو این زبان ارتباط برقرار می کنند و گاهی با شور و هیجان بالایی خواهان پیگیری مفاهیم گفته شده هستند. هرچند که کتاب های مختلفی در سالیان گذشته در این حیطه به تحریر در آمده اند، اما در نگارش این کتاب تلاش شده است از دیدگاه پروژه‑محوری به این شاخه بپردازیم؛ به طوری که خواننده بتواند با خواندن آن توانایی پیاده سازی یک خط لوله برای پروژه علم داده خود، از جمع آوری داده و پیش پردازش، تا آموزش مدل، تحلیل و ایجاد یک نرم افزار کاربردی جهت پیش بینی را به دست آورد.

از این رو این کتاب در چهار فصل تدوین شده است. در فصل اول خواننده با مبانی و مفاهیم زبان های برنامه نویسی، علی الخصوصزبان پایتون آشنا خواهد شد. در فصل دوم به صورت خاص، نحو نسخه ۳٫۱۱ این زبان برنامه نویسی را بیان خواهیم کرد. در فصل سوم نیز به معرفی ۸۰ کتابخانه پرکاربرد این زبان در علم داده ها خواهیم پرداخت. این بسته های نرم افزاری با بررسی بیش از ۲۰۰۰ پروژه کاربردی علم داده ها در مخازن متن باز وب سایت گیت هاب، انتخاب شده اند. هرچند که برای هر کدام از این ابزارها می توان کتاب های متعددی تألیف نمود، اما رویکرد این کتاب آشنایی خواننده با انواع ابزارهای موجود در این زبان برنامه نویسی برای علم داده ها است. بنابراین شایسته است در صورت عدم آشنایی با مفاهیم مذکور به دیگر کتاب های این مجموعه مراجعه شود. در فصل پایانی کتاب نیز به کمک ابزارهای معرفی شده، به انجام چند پروژه کاربردی مرتبط با علم داده ها خواهیم پرداخت. کتابی که پیش رو دارید حاصل سال ها مطالعه و تجربه مؤلفان آن است. نویسندگان این کتاب، پروژه ها و اختراعات متعددی را به کمک این زبان برنامه نویسی به سرانجام رسانده اند. همچنین تجربیات ایشان در برگزاری دوره های مختلفدر زمینه های یادگیری ماشین، یادگیری عمیق، داده کاوی و آموزشزبان برنامه نویسی پایتون در مراکز علمی ، اداری و صنعتی مختلف در این کتاب خلاصه شده است. بنابراین این کتاب نه تنها برای دانشجویان رشته های مختلف می تواند مفید باشد، بلکه پژوهشگران، مدیران و کارمندان با عناوین مختلف نیز می توانند از آن بهرمند شوند. در نگارش این کتاب سعی شده است مطالب به ساده ترین شکل و زبان بیان شوند. قطعا هیچ اثری نمی تواند جای پیشنهاد و انتقاد نداشته باشد. از این رو باعث خرسندی نویسندگان این کتاب خواهد بود تا با نظرات و پیشنهادات ارزشمند خود از طریق پست الکترونیکی alirezaafzalaghaei@gmail.com باعث بهبود مطالب این کتاب شوید.

 

 

جهت خرید کتاب راهنمای کاربردی پایتون برای علم داده‌‏ها و هرگونه سوال
با ایدی @arvannashr در تلگرام یا تماس تلفنی به خط ثابت 02166962850 مستقیما استعلام قیمت و راهنمایی بگیرید.
می توانید به راحتی این کتاب به تالیف علیرضا افضل آقایی نائینی و کورش پرند
را از انتشارات آرون تهیه نمایید.

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “راهنمای کاربردی پایتون برای علم داده ‏ها”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *