کتاب های برچسب data-mining
تاریخ: ۱۸:۵۵:۴۹ ۱۳۹۹/۱/۳ یکشنبه
توسط: MotoMan
امتیاز: ۱
برچسب ها: Python | Data Mining |

چاپ اول این کتاب در سال 2012 در حالی منتشر شد که کتابخانه‌های تجزیه و تحلیل داده متن باز برای پایتون (مانند pandas) بسیار جدید و به سرعت در حال توسعه بودند. ویرایش دوم این کتاب، به روز شده و توسعه یافته است و در آن فصل‌ها مورد بررسی قرار گرفته اند تا هم تغییرات ناسازگار و مطالب منسوخ شده و هم امکانات جدیدی را که در 5 سال گذشته معرفی شده اند را در نظر بگیرد. من همچنین مطالب جدیدی را برای معرفی ابزار‌ها اضافه کردم که یا در سال 2012 وجود نداشته اند و یا به اندازه کافی بالغ نشده بودند تا شرایط لازم برای معرفی در کتاب را کسب کنند. در نهایت، من سعی کرده ام که از نوشتن در مورد پروژه‌های متن باز جدید یا مراحل توسعه که احتمالاً شانسی برای بالغ شدن ندارند، خودداری کنم. من می‌خواهم خوانندگان این ویرایش متوجه شوند که این مطالب همچنان در سال‌های 2020 یا 2021 به اندازه سال 2017 هنوز هم مرتبط باقی خواهد ماند.

در ویرایش دوم کتاب Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython، دستورالعمل‌های کاملی را برای دستکاری، پردازش، تمیز کردن و خرد کردن مجموعه داده‌ها در Python دریافت می‌کنید. مطالب چاپ دم این کتاب عملی، به نسخه 3.6 پایتون به روزرسانی شده اند و مملو از مطالعات موردی عملی است که به شما نشان می‌دهند که چگونه می‌توانید مجموعه گسترده ای از مشکلات تجزیه و تحلیل داده‌ها را بطور موثری حل کنید. شما آخرین نسخه‌های pandas،NumPy ، IPython و Jupyter را در این فرآیند خواهید آموخت.

تعداد بازدید: ۲۴۱
دیدگاه ها: ۰
تاریخ: ۱۸:۲۱:۱۹ ۱۳۹۸/۹/۱۴ پنج شنبه
توسط: MotoMan
امتیاز: ۱
برچسب ها: Data Mining |

اخیرا نشریه Harvard Business Review، علوم داده را «جذاب‌ترین شغل قرن بیست و یکم» نامیده است. علوم داده نه تنها جذاب نیست بلکه برای میلیون‌ها مدیر، تحلیلگر و دانشجویی که باید مشکلات واقعی تجارت را حل کنند ضروری است. متأسفانه، تا کنون هیچ چیز آسانی در مورد یادگیری علوم داده وجود ندارد.

کتاب Getting Started with Data Science، تکنیک‌ها و تئوری‌های اساسی را به همراه مثال‌های زیاد و تمرین‌های عملی ارائه داده است. مطالب ارائه شده مربوط به پلتفرم و یا نرم افزاری به خصوصی نیست؛ بنابراین می‌توانید علوم داده را بر روی هر پلتفرمی که دوست دارید بیاموزید و فرقی نمی‌کند که آیا با R، Stata، SPSS و یا SAS کار می‌کنید. مهمتر از همه این که در این کتاب مهارت مهمی آموزش داده می‌شود که بیشتر کتاب‌ها از آن غافل هستند و آن نحوه‌ی گفتن داستان‌های قدرتمند با استفاده از گرافیک و جداول است.

تعداد بازدید: ۴۹۶
دیدگاه ها: ۰
تاریخ: ۲۳:۲:۲۰ ۱۳۹۸/۷/۱۹ جمعه
توسط: MotoMan
امتیاز: ۲
برچسب ها: Data Mining |

کتاب داده‌کاوی برای برنامه نویسان با نام اصلیِ A Programmer’s Guide to Data Mining توسط ران زاچارسکی در وب‌سایت guidetodatamining.com به صورت رایگان انتشار یافته است. این کتاب در ۸ فصل نگارش شده که در فصل اول به بررسی مقدماتی در مورد داده‌کاوی و جنبه‌های کاربردیِ آن پرداخته شده است. فصل دومِ این کتاب به سیستم‌های توصیه‌گر اختصاص یافته و در آن ساخت و پیاده‌سازیِ یک سیستم توصیه‌گر از پایه، با زبان برنامه‌نویسی پایتون همراه با مفاهیم و پیش‌زمینه‌های آن آموزش داده شده است. فصل سوم در امتداد فصل دوم است و به دسته‌ی دیگری از سیستم‌های توصیه‌گر مبتنی بر اقلام و پیاده‌سازی آن‌ها توجه می‌کند. فصل چهارم کتاب در مورد طبقه‌بندی و نحوه‌ی پیاده‌سازی الگوریتم‌های مختلف آن است. فصل پنجم نیز ادامه‌ی فصل چهارم بوده و کمی بیشتر در مورد طبقه‌بندی صحبت می‌کند. این فصل به نوعی الگوریتم‌های فصل چهارم را توسعه می‌دهد. فصل ششم کتاب، به صورت انحصاری بر روش بیز ساده تمرکز کرده به طوری که می‌توانید مفاهیم و پیاده‌سازی بیز و بیز ساده را در این فصل مشاهده کنید. فصل هفتم به بررسی داده‌های غیر ساختاریافته‌ی متنی اختصاص دارد و کار با این سبک از داده‌ها، به عنوان داده‌هایی که ساختار مشخصی ندارند را در دستور کار خود قرار داده است. در فصل آخر نیز به خوشه‌بندی می‌رسیم و الگوریتم‌های مختلف آن را همراه با پیاده‌سازی با کتاب مرور می‌کنیم.

تعداد بازدید: ۵۳۸
دیدگاه ها: ۰
تاریخ: ۱۸:۱۵:۷ ۱۳۹۸/۳/۲۳ پنج شنبه
توسط: MotoMan
امتیاز: ۲
برچسب ها: SQL | SQL Server | data | Database | Data Mining |

مهارت‌های پایگاه داده در بین پر تقاضا‌ترین مهارت‌های دنیای IT قرار دارد. با استفاده از ویرایش سیزدهم کتاب طراحی، پیاده سازی و مدیریت سیستم‌های پایگاه داده، شما پایه ای قوی در طراحی و پیاده سازی پایگاه‌های داده با استفاده از رویکردی کاربردی و ساده به دست خواهید آورد.

ویرایش سیزدهم کتاب Database Systems، نحوه‌ی طراحی صحیح پایگاه‌های داده، نوشتن کوئری‌های SQL‌ را به همراه مثال‌های زیاد که در دنیای واقعی کاربرد دارند را به شما یاد می‌دهد. همچنین در این کتاب مباحث تجزیه و تحلیل کلان داده و NoSQL به همراه تکنولوژی‌های مرتبط به Hadoop نیز بررسی شده اند.

تعداد بازدید: ۱۰۱۱
دیدگاه ها: ۰
تاریخ: ۲۱:۲۹:۴۵ ۱۳۹۸/۳/۶ دوشنبه
توسط: MotoMan
امتیاز: ۲
برچسب ها: Machine Learning | Database | Data Mining |

در عصر مدرن هوش مصنوعی و تجزیه و تحلیل کسب و کار، داده‌ها به عنوان نفت این دنیای سایبری در نظر گرفته شده اند. استخراج داده‌ها پتانسیل زیادی برای بهبود نتایج کسب و کار دارد و تقاضای رو به رشدی برای متخصصان database mining به وجود آمده است.

کتاب Data Mining and Data Warehousing، جنبه‌های کاربردی داده کاوی، انبار داده و یادگیری ماشین را پوشش داده است بدون این که جزئیات این موضوعات را از قلم بیندازد. نقطه قوت این کتاب، نشان دادن مفاهیم با مثال‌های کاربردی است تا خواننده به راحتی مفاهیم را بفهمد. یکی دیگر از نقاط برجسته این کتاب، نشان دادن الگوریتم‌های داده کاوی با Weka و زبان R است.

تعداد بازدید: ۱۰۲۱
دیدگاه ها: ۰
تاریخ: ۱۰:۵۷:۴۱ ۱۳۹۸/۳/۳ جمعه
توسط: MotoMan
امتیاز: ۲
برچسب ها: Image Processing | Data Mining |

کتاب اصول داده کاوی تصویر، بررسی جامعی از ملزومات داده کاوی تصویر و پیشرفته‌ترین تکنیک‌های مورد استفاده در این زمینه را ارائه می‌دهد. مباحث این کتاب تمامی جنبه‌های تجزیه و تحلیل و درک تصویر را پوشش داده اند و دیدی عمیق در زمینه‌های استخراج ویژگی، یادگیری ماشین و بازیابی تصویر ارائه کرده شده است. مباحث تئوری این کتاب به همراه الگوریتم‌ها و مدل‌های ریاضیات کاربردی آمده اند که از داده‌های مثال‌ها و آزمایش‌های دنیای واقعی بهره می‌برند.

کتاب Fundamentals of Image Data Mining به شما نشان می‌دهد که چگونه مفاهیم ریاضیات پایه و یشرفته می‌توانند در حل طیف وسیعی از مسائل داده کاوی تصویر که همه روزه دانشجویان و محققان علوم کامپیوتر با آن روبرو می‌شوند به کار برده شوند.

تعداد بازدید: ۶۶۷
دیدگاه ها: ۰
تاریخ: ۲۰:۵:۵۴ ۱۳۹۶/۱۱/۵ پنج شنبه
توسط: MotoMan
امتیاز: ۱
برچسب ها: Machine Learning | Data Mining |

کتاب یادگیری ماشین: دستیاری برای توسعه دهندگان و حرفه ای‌های فنی؛ دستور العمل عملی و مثال‌های قابل اجرا کدنویسی شده برای بیشتر تکنیک‌های رایج یادگیری ماشین که توسط توسعه دهندگان و خبره‌های فنی مورد استفاده قرار می‌گیرند ارائه داده است. این کتاب شامل تجزیه و تحلیل هر نوع ML است؛ با بیان این که چگونه کار می‌کند و چگونه در صنایع به خصوصی استفاده می‌شوند به خواننده این اجازه را می‌دهد تا تکنیک‌های ارائه شده را در کار‌های خود به کار بندد. یکی از هسته‌های اصلی یادگیری ماشین تمرکز بر روی آماده سازی داده‌ها و شناسایی کامل انواع مختلف الگوریتم‌های یادگیری است تا نشان دهد که چگونه ابزارهای مناسب به هر توسعه دهنده ای کمک می‌کند تا اطلاعات را استخراج کند و بینشی از داده‌های موجود به دست آورد.

یادگیری ماشین، یک تکنولوژی وابسته به ریاضیات و مبتنی بر الگوریتم است که مبنای داده کاوی تاریخی و علم داده‌های بزرگ مدرن را تشکیل می‌دهد. تحلیل علمی داده‌های بزرگ احتیاج به دانش عملی یادگیری ماشین دارد چرا که پیش بینی‌ها را مبتنی بر خواص شناخته شده از داده‌های آموزشی شکل می‌دهد. با یادگرفتن ساخت سیستمی که می‌تواند از داده‌ها یاد بگیرد، خواننده‌ها می‌توانند ابزارهای خود را در صنعت افزایش دهند. یادگیری ماشین بر اساس آنالیز داده‌ها و تصویر سازی است که به شدت مورد تقاضای شرکت هایی قرار گرفته است که کشف کرده اند معدنی از طلا در داده‌های موجودشان پنهان شده است.

تعداد بازدید: ۲۳۸۰
دیدگاه ها: ۰
loading...

لطفا منتظر بمانید...