معرفی و دانلود کتاب پروژه‌های کاربردی علم داده در پایتون

معرفی کتاب پروژه‌های کاربردی علم داده در پایتون

کتاب پروژه‌های کاربردی علم داده در پایتون، نوشته‌ی جاوید مولاپور است که با هدف ارائه‌ی محتوایی کاربردی و در راستای آموزش زبان پایتون، به عنوان یکی از زبان‌های برنامه‌نویسی مهم منتشر شده است. این اثر با رویکردی منظم و تخصصی موفق شده است تا استفاده از زبان پایتون را برای خوانندگان این کتاب ملموس‌ و دست‌یافتنی‌تر کند.

درباره‌ی کتاب پروژه‌های کاربردی علم داده در پایتون

در کتاب پروژه‌های کاربردی علم داده در پایتون، اثر جاوید مولاپور، نویسنده مفاهیم مختلف این موضوع را مورد بررسی قرار داده و با پیاده‌سازی پروژه‌محور آن‌ها تلاش کرده است تا خوانندگان را در مسیر استفاده‌ی کاربردی و عملی از این مطالب یاری کند.

علم داده، ترکیبی از ابزارهای مختلف و الگوریتم‌هاست تا الگوهای پنهان را از داده‌های خام استخراج کند. این امر، در نتیجه می‌تواند دستاوردهای ارزشمندی همچون دانش و بینش را در دسترس افراد و سازمان‌ها قرار دهد. دانشی که آن‌ها را در بهینه کردن کارایی سیستم‌ها و کسب‌و‌کارهای‌شان یاری می‌دهد.

خوانندگان پس از مطالعه‌ی این کتاب با مفاهیم مختلفی همچون پاکسازی، اکتشاف، دسته‌بندی داده‌ها، یادگیری ماشین و الگوریتم‌های مرتبط، شبکه‌های عصبی مصنوعی و... آشنا می‌شوند. همچنین مهارت‌های مختلفی از جمله کار با داده‌های اکسل، تصاویر، داده‌های گرافیکی و صوتی و نحوه‌ی استفاده از کتابخانه‌های مختلفی همچون Keras، Scipy، openPyxl و Tensorflow را فرا می‌گیرند.

کتاب پیش رو حاصل قلم جاوید مولاپور و ویراسته‌ی نرگس مهربد است که توسط مؤسسه‌ی فرهنگی هنری دیباگران تهران، ناشر تخصصی مجتمع فنی تهران چاپ و منتشر گردیده. این انتشارات تاکنون بیش از هزار کتاب را با یاری متخصصان و اساتید حاذق، ترجمه و تألیف کرده است. مؤلفان این آثار که در حوزه‌های مختلف کامپیوتر، انفورماتیک، داده‌پردازی، برق، الکترونیک و... قرار می‌گیرند با هدف و شعار خاص این مؤسسه، یک کتاب می‌تواند زندگی ما را تغییر دهد، کوشیده‌اند تا در ایجاد فرصت‌های شغلی و علمی بهتر برای خوانندگان سهیم باشند.

کتاب پروژه‌های کاربردی علم داده در پایتون برای چه کسانی مناسب است؟

این کتاب می‌تواند برای تمامی برنامه‌نویسان، علاقه‌مندان به حوزه‌ی نرم‌افزار و دانشجویان و فعالان رشته‌ی مهندسی کامپیوتر مفید فایده و راه‌گشا باشد.

در بخشی از کتاب پروژه‌های کاربردی علم داده در پایتون می‌خوانیم

ایستایی (Stationary)

یکی از خصوصیات اصلی و مهم در سری، زمان ایستایی است. سری زمانی که خاصیت ایستایی داشته باشد را می‌توان تجزیه و تحلیل کرد. بسیاری از تبدیلات؛ مانند میانگین متحرک (Moving Average)، در سری زمانی به منظور ایستا کردن آن به کار می‌روند.

سری زمانی را ایستا گویند، که اگر خصوصیات آماری آن مانند میانگین و واریانس در طول زمان ثابت باشد. از طرفی ماتریس کوواریانس برای سری زمانی باید مستقل از زمان باشد با توجه به نمودار قبلی می‌توان ثابت بودن میانگین و واریانس را مشاهده کرد؛ زیرا به نظر می‌رسد در طی هر روز میانگین مصرف انرژی برق یکسان است. از طرفی تغییرات مصرف نیز حول میانگین ثابت به نظر می‌رسد. ولی معمولاً ارزش سهام در بازار بورس، یک پدیده ایستا نیست؛ زیرا می‌توان روند افزایشی یا کاهشی را به‌خوبی در آن مشاهده کرد. همچنین تغییرات نسبت به میانگین هر روز می‌تواند متفاوت باشد. در تحلیل سری زمانی قبل از مدل‌سازی باید سری را به صورت ایستا درآورد. به این منظور روش‌های بررسی ایستایی سری زمانی در ادامه مورد بررسی قرار می‌گیرند.

فهرست مطالب کتاب

فصل اول: آشنایی با داده
فصل دوم: آشنایی با PANDAS
فصل سوم: آشنایی با TENSORFLOW
فصل چهارم: آموزش کتابخانه SCIPY
فصل پنجم: کار با کتابخانه OPENPYXL
فصل ششم: پروژه تشخیص رنگ از روی تصویر با OPENCV و PANDAS
فصل هفتم: تشخیص جنسیت و تخمین سن از روی تصویر با استفاده از CNN، OPENCV
فصل هشتم: تشخیص اعداد دستنویس با TENSORFLOW، KERAS، PILLOW، NUMPY
فصل نهم: کار با صدا در علم داده