کتاب راهنمای علوم داده Python اشاره ای به وسعت روشهای محاسباتی و آماری دارد که در علوم ، تحقیقات و اکتشافات پرمحتوا نقش اساسی دارند. افرادی که سابقه برنامه نویسی دارند و می خواهند به طور موثر از پایتون برای کارهای علمی داده استفاده کنند ، یاد می گیرند چگونه با مشکلات مختلفی روبرو شوند: به عنوان مثال ، چگونه می توانم این قالب داده را در اسکریپت خود بخوانم؟ چگونه می توانم این داده ها را دستکاری ، تبدیل و تمیز کنم؟ چگونه می توانم این نوع داده را تجسم کنم؟ چگونه می توانم از این داده ها برای بینش ، پاسخ به سوالات یا ساخت مدل های آماری یا یادگیری ماشین استفاده کنم؟ این کتاب مرجعی برای دانش داده روزانه فعال شده توسط پایتون است که مهارت های محاسباتی و آماری را برای کار موثر با آنها در بر می گیرد. بحث با برنامه های کاربردی مکرر ، نشان می دهد که چگونه می توان از وسعت گسترده ابزارهای منبع باز پایتون برای تجزیه و تحلیل ، دستکاری ، تجسم و یادگیری از داده ها استفاده کرد.


✨ما را به دوستانتان معرفی کنید.

📈انجمن علم داده دانشگاه کاشان
@uk_dsa