بخش اول با مقدمهای بر تجزیه و تحلیل، مبانی مورد نیاز برای انجام تجزیه و تحلیل دادهها آغاز میشود و اصطلاحات و مفاهیم مختلف تجزیه و تحلیل مانند پایگاههای داده و SQL، آمار پایه، نظریه احتمال و کاوش دادهها را توضیح میدهد. بخش دوم مدلهای پیشبینی را با استفاده از یادگیری ماشین آماری معرفی میکند و مفاهیمی مانند رگرسیون، طبقهبندی و شبکههای عصبی را مورد بحث قرار میدهد. بخش سوم دو مورد از محبوبترین تکنیکهای یادگیری بدون نظارت، خوشهبندی و کاوش انجمنی، و همچنین کاوش متن و پردازش زبان طبیعی (NLP) را پوشش میدهد. این کتاب با مروری بر تجزیه و تحلیل کلان داده، ملزومات R و پایتون برای تجزیه و تحلیل از جمله کتابخانههایی مانند پانداس و NumPy به پایان میرسد.
…
پس از اتمام این کتاب، شما خواهید فهمید که چگونه با استفاده از R و پایتون برای تجزیه و تحلیل دادهها، نتایج کسب و کار را بهبود بخشید.
آنچه خواهید آموخت
بر مبانی ریاضی مورد نیاز برای تجزیه و تحلیل کسب و کار تسلط پیدا کنید
مدلهای مختلف تجزیه و تحلیل و تکنیکهای دادهکاوی مانند رگرسیون، الگوریتمهای یادگیری ماشین تحت نظارت برای مدلسازی، تکنیکهای مدلسازی بدون نظارت و نحوه انتخاب الگوریتم صحیح برای تجزیه و تحلیل در هر کار مشخص را درک کنید
از R و پایتون برای توسعه مدلهای توصیفی، مدلهای پیشبینی و بهینهسازی مدلها استفاده کنید
بر اساس نتایج مدل تحلیلی، اقدامات را تفسیر و توصیه کنید
این کتاب برای چه کسانی مناسب است
متخصصان و توسعهدهندگان نرمافزار، مدیران و مجریانی که میخواهند اصول تجزیه و تحلیل با استفاده از R و پایتون را درک و یاد بگیرند.






























