پایتون؛ آنالیز و مصورسازی داده

دسته: برنامه نویسی, پایگاه داده‌ها و SQL
پایتون؛ آنالیز و مصورسازی داده

کتاب پایتون، برای توسعه‌دهندگان پایتون که مشتاق آنالیز داده هستند و می‌خواهند داده آنالیز‌شده خود را به روشی کارآمد و مفید مصورسازی کنند، تهیه شده است.
شما با درآمدی بر اصول آنالیز داده و مجموعه کتب پشتیبان، به همراه اصول پکیج NumPy برای پردازش آماری و پردازش داده‌ها، کتاب را آغاز خواهید کرد. سپس، مروری بر پکیج Pandas خواهید داشت و از ویژگی‌های قدرتمند آن برای حل مشکلات پردازش داده استفاده خواهید کرد.
در ادامه، بازبینی مختصری از اپلیکیشن Matplotlib را دریافت خواهید کرد. سپس مدیریت زمان و ساختارهای داده،‌ بارگیری و ذخیره‌سازی داده در یک فایل یا پایگاه‌ داده با استفاده از پکیج‌های پایتون را فرا خواهید گرفت. با استفاده از نمونه‌های ارائه‌شده، می‌آموزید که چگونه پکیج‌های قدرتمند را برای پردازش داده‌های خام به داده‌های خالص و مفید، به کار ببندید، همچنین بازبینی مختصری از الگوریتم‌های یادگیری ماشین دریافت خواهید کرد که با به‌کارگیری نتایج تحلیل داده به تصمیم‌گیری یا ساخت محصولات مفید مانند توصیه‌ها و پیش‌بینی‌‌ها با استفاده از Scikit-learn، می‌پردازد. بعد از این، به‌ سمت تحلیل داده و تحلیل پیشگویانه تخصصی حرکت خواهید کرد.
سال انتشار: 2017  |  تعداد صفحات: 866  |  حجم فایل: 17.34 مگابایت  |  زبان: انگلیسی

Python: Data Analytics and Visualization
نویسنده:
Phuong Vo.T.H, Martin Czygan, Ashish Kumar
ناشر:
Packt Publishing
ISBN10:
1788290097
ISBN13:
9781788290098

 

قیمت: 4000 تومان

خرید کتاب توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود فایل کتاب در اختیار شما قرار خواهد گرفت.
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


محصولات مرتبط محصولات مرتبط













ارسال دیدگاه


 (الزامی)  (الزامی)
ایمیل شما نزد مدیر سایت محفوظ بوده و برای عموم نمایش داده نخواهد شد.