جلد معمولی سیاه و سفید_کتاب Python Data Science Handbook: Essential Tools for Working with Data

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 6,280,000 ریال

قیمت: 5,880,000 ریال

Product details

Publisher ‏ : ‎ O'Reilly Media; 1st edition (December 20, 2016)
Language ‏ : ‎ English
Paperback ‏ : ‎ 548 pages
ISBN-10 ‏ : ‎ 1491912057
ISBN-13 ‏ : ‎ 978-1491912058

Available at a lower price from other sellers that may not offer free Prime shipping.

For many researchers, Python is a first-class tool mainly because of its libraries for storing, manipulating, and gaining insight from data. Several resources exist for individual pieces of this data science stack, but only with the Python Data Science Handbook do you get them all—IPython, NumPy, Pandas, Matplotlib, Scikit-Learn, and other related tools.

Working scientists and data crunchers familiar with reading and writing Python code will find this comprehensive desk reference ideal for tackling day-to-day issues: manipulating, transforming, and cleaning data; visualizing different types of data; and using data to build statistical or machine learning models. Quite simply, this is the must-have reference for scientific computing in Python.

With this handbook, you’ll learn how to use:

IPython and Jupyter: provide computational environments for data scientists using Python
NumPy: includes the ndarray for efficient storage and manipulation of dense data arrays in Python
Pandas: features the DataFrame for efficient storage and manipulation of labeled/columnar data in Python
Matplotlib: includes capabilities for a flexible range of data visualizations in Python
Scikit-Learn: for efficient and clean Python implementations of the most important and established machine learning algorithms

منابع کتاب جلد معمولی سیاه و سفید_کتاب Python Data Science Handbook: Essential Tools for Working with Data

با قیمت پایین‌تری از سایر فروشندگانی که ممکن است ارسال رایگان Prime را ارائه ندهند، موجود است.

برای بسیاری از محققان، پایتون یک ابزار درجه یک است که عمدتاً به دلیل کتابخانه های آن برای ذخیره، دستکاری و به دست آوردن بینش از داده ها است. چندین منبع برای تکه‌های جداگانه این پشته علم داده وجود دارد، اما فقط با کتاب راهنمای علوم داده پایتون می‌توانید همه آنها را دریافت کنید - IPython، NumPy، Pandas، Matplotlib، Scikit-Learn، و سایر ابزارهای مرتبط.

دانشمندان فعال و خردکننده‌های داده که با خواندن و نوشتن کد پایتون آشنا هستند، این مرجع جامع میز را برای مقابله با مسائل روزمره ایده‌آل می‌یابند: دستکاری، تبدیل، و تمیز کردن داده‌ها. تجسم انواع مختلف داده ها؛ و استفاده از داده ها برای ساخت مدل های آماری یا یادگیری ماشینی. خیلی ساده، این مرجع ضروری برای محاسبات علمی در پایتون است.

با این کتابچه راهنما، نحوه استفاده از:

IPython و Jupyter: محیط های محاسباتی را برای دانشمندان داده با استفاده از Python فراهم می کنند

NumPy: شامل ndarray برای ذخیره سازی کارآمد و دستکاری آرایه های داده متراکم در پایتون است.

Pandas: دارای DataFrame برای ذخیره سازی کارآمد و دستکاری داده های برچسب/ستونی در پایتون

Matplotlib: شامل قابلیت هایی برای طیف انعطاف پذیری از تجسم داده ها در پایتون است

Scikit-Learn: برای پیاده سازی پایتون کارآمد و تمیز از مهم ترین و شناخته شده ترین الگوریتم های یادگیری ماشین