دانلود کتاب A Python Data Analyst’s Toolkit: Learn Python and Python-based Libraries with Applications in Data Analysis and Statistics
کتاب مجموعه ابزار تحلیلگر داده پایتون: کتابخانه های پایتون و پایتون را با برنامه های کاربردی در تجزیه و تحلیل داده ها و آمار یاد بگیرید نسخه زبان اصلی
دانلود کتاب مجموعه ابزار تحلیلگر داده پایتون: کتابخانه های پایتون و پایتون را با برنامه های کاربردی در تجزیه و تحلیل داده ها و آمار یاد بگیرید بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب A Python Data Analyst’s Toolkit: Learn Python and Python-based Libraries with Applications in Data Analysis and Statistics
نام کتاب : A Python Data Analyst’s Toolkit: Learn Python and Python-based Libraries with Applications in Data Analysis and Statistics
ویرایش : 1 ed.
عنوان ترجمه شده به فارسی : مجموعه ابزار تحلیلگر داده پایتون: کتابخانه های پایتون و پایتون را با برنامه های کاربردی در تجزیه و تحلیل داده ها و آمار یاد بگیرید
سری :
نویسندگان : Gayathri Rajagopalan
ناشر : Apress
سال نشر : 2020
تعداد صفحات : 420
[409]
ISBN (شابک) : 1484263987 , 9781484263983
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 8 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
مبانی تجزیه و تحلیل داده ها و آمار را با مطالعات موردی با استفاده از پایتون کاوش کنید. این کتاب به شما نشان می دهد که چگونه با اطمینان کد در پایتون بنویسید و از کتابخانه ها و توابع مختلف پایتون برای تجزیه و تحلیل هر مجموعه داده استفاده کنید. این کد در نوت‌بوک‌های Jupyter ارائه شده است که می‌توان آن را بیشتر تطبیق داد و گسترش داد.
این کتاب به سه بخش تقسیم می‌شود – برنامه‌نویسی با پایتون، تجزیه و تحلیل داده‌ها و تجسم، و آمار. شما با مقدمه ای برای Python - نحو، توابع، عبارات شرطی، انواع داده ها و انواع مختلف کانتینرها شروع خواهید کرد. سپس مفاهیم پیشرفته تری مانند عبارات منظم، مدیریت فایل ها و حل مسائل ریاضی با پایتون را مرور خواهید کرد.
بخش دوم کتاب، کتابخانه های پایتون مورد استفاده برای تجزیه و تحلیل داده ها را پوشش می دهد. یک فصل مقدماتی شامل مفاهیم اولیه و اصطلاحات، و هر فصل در مورد NumPy (کتابخانه محاسباتی علمی)، پانداها (کتابخانه جدال داده ها) و کتابخانه های تجسمی مانند Matplotlib و Seaborn خواهد بود. مطالعات موردی به عنوان مثال برای کمک به خوانندگان در درک برخی از کاربردهای دنیای واقعی تحلیل داده ها گنجانده خواهد شد.
فصل های پایانی کتاب بر آمار تمرکز دارد و اصول مهمی را در آمار که مربوط به علم داده است توضیح می دهد. این موضوعات شامل احتمال، قضیه بیز، جایگشت ها و ترکیب ها، و آزمون فرضیه (ANOVA، آزمون مجذور کای، آزمون z، و آزمون t) و اینکه چگونه کتابخانه Scipy ساده کردن محاسبات خسته کننده در آمار را امکان پذیر می کند.
آنچه یاد خواهید گرفت
- برنامه نویسی و تحلیل خود را بیشتر کنید مهارت با پایتون
- حل مسائل ریاضی در حساب دیفرانسیل و انتگرال، و تئوری مجموعه ها و جبر با پایتون
- کار با کتابخانه های مختلف در پایتون برای ساختار، تجزیه و تحلیل و تجسم داده ها
- مقابله با مطالعات موردی واقعی با استفاده از پایتون
- مفاهیم آماری ضروری را مرور کنید و از کتابخانه Scipy برای حل مسائل در آمار استفاده کنید
این کتاب برای چه کسی است
حرفه‌ایانی که در زمینه علم داده کار می‌کنند و علاقه‌مند به تقویت مهارت‌های پایتون، داده‌ها هستند. تجزیه و تحلیل و آمار.
توضیحاتی در مورد کتاب به زبان اصلی :
Explore the fundamentals of data analysis, and statistics with case studies using Python. This book will show you how to confidently write code in Python, and use various Python libraries and functions for analyzing any dataset. The code is presented in Jupyter notebooks that can further be adapted and extended.
This book is divided into three parts – programming with Python, data analysis and visualization, and statistics. You'll start with an introduction to Python – the syntax, functions, conditional statements, data types, and different types of containers. You'll then review more advanced concepts like regular expressions, handling of files, and solving mathematical problems with Python.
The second part of the book, will cover Python libraries used for data analysis. There will be an introductory chapter covering basic concepts and terminology, and one chapter each on NumPy(the scientific computation library), Pandas (the data wrangling library) and visualization libraries like Matplotlib and Seaborn. Case studies will be included as examples to help readers understand some real-world applications of data analysis.
The final chapters of book focus on statistics, elucidating important principles in statistics that are relevant to data science. These topics include probability, Bayes theorem, permutations and combinations, and hypothesis testing (ANOVA, Chi-squared test, z-test, and t-test), and how the Scipy library enables simplification of tedious calculations involved in statistics.
What You'll Learn
- Further your programming and analytical skills with Python
- Solve mathematical problems in calculus, and set theory and algebra with Python
- Work with various libraries in Python to structure, analyze, and visualize data
- Tackle real-life case studies using Python
- Review essential statistical concepts and use the Scipy library to solve problems in statistics
Who This Book Is For
Professionals working in the field of data science interested in enhancing skills in Python, data analysis and statistics.
پست ها تصادفی