علم داده در پایتون python- مفاهیم و کاربردها
نویسنده:
محسن یزدی نژاد، محمد رضاپور، معصومه جوادی نیا، فرهاد استوار نژاد
مترجم:
-
سال نشر:
1401
صفحه:
200
نوبت چاپ:
9

از شاخص‌های اصلی برای موفقیت در کارهای مبتنی بر هوش مصنوعی، توانایی در کار کردن با داده‌های گوناگون است؛ قرارگرفتن در زیست‌بوم‌ متخصصینِ تحلیل داده‌ها، نیازمند دانستن گام‌های مشخصی مانند شناخت نوع داده‌ها، آماده‌سازی داده‌هایی که به‌اصطلاح تمیز نیستند و بالاخره انجام تحلیل مناسب بر روی داده‌های تمیزشده مبتنی بر نوع آنها می‌باشد که این گام‌ها در قالب یک فرایند تکرارپذیر موسوم به داده‌کاوی انجام می‌شوند. خوشبختانه در ابزارهای داده‌کاوی امروزه کمبودی نیست اما در مسیر انتخاب یک ابزار قدرتمند، که هم کدباز بوده تا دچار محدودیت‌های تجاری نباشد و هم قابلیت پردازش انواع داده‌های کسب و کارها را داشته باشد، زبان برنامه‌نویسی پایتون گزینه مناسبی است که تمام گام‌های یادشده را می‌توان با آن اجرا نمود و به تولید دانش کاربردی و بینش حاصل از استخراج الگوهای موجود در درون داده‌ها دست یافت.

فصل اول - مقدمه ای بر داده کاوی / 11

فصل دوم: پیش پردازشِ داده ها  / 20 

فصل سوم: شروع کدنویسی با پایتون / 44

فصل چهارم: روشهای پیش پردازش داده ها/ 65

فصل پنجم: مصورسازی داده ها در پایتون/ 86

فصل ششم: روش های پیش بینی / 99 

فصل هفتم: روش های توصیفی / 134

فصل هشتم: ارزیابی / 155

فصل نهم: روش های ترکیبی / 166

فصل دهم: مهندسی ویژگی ها/ 178


تماس با پشتیبان سایت

تمامی حقوق این سایت برای سازمان ترویج مطالعه و نشر جهاد دانشگاهی محفوظ است. نقل مطالب با ذکر منبع بلامانع است.
Copyright ©2026 Iranian Students Booking Agency. All rights reserved