دانلود رایگان کتاب:
Learning Data Mining with Python
| نویسنده |
Robert Layton |
|---|---|
| سال انتشار |
2015 |
| تعداد صفحات |
344 |
| سطح کتاب |
پیشرفته |
| زبان کتاب |
انگلیسی |
| حجم فایل |
4MB |
مطالعه کنید
ویرایش محتوا
درباره کتاب Learning Data Mining with Python:
کتاب Learning Data Mining with Python مقدمهای عملی و کاربردی برای ورود به دنیای دادهکاوی با پایتون است و تلاش میکند بدون پیچیدگیهای سنگین ریاضی، مفاهیم الگوریتمی را بهصورت قابل اجرا آموزش دهد. نویسنده با تکیه بر تجربه صنعتی و پژوهشی خود، ابزارهایی مانند scikit‑learn، pandas، NumPy و روشهای مهمی مثل طبقهبندی، خوشهبندی، تحلیل پیوستگی، شبکههای عصبی و کار با دادههای بزرگ را در قالب مثالهای واقعی و پروژهمحور آموزش میدهد.خلاصه کتاب Learning Data Mining with Python:
کتاب با توضیح مفهوم دادهکاوی و ساخت محیط پایتونی آغاز میشود و سپس وارد مباحثی مانند Affinity Analysis، طبقهبندی با KNN، درخت تصمیم و جنگل تصادفی میشود. هر فصل یک مسئله واقعی مانند پیشبینی نتایج ورزشی، توصیه فیلم یا تحلیل دادههای اجتماعی را بررسی میکند. تمرکز کتاب بر «یادگیری از طریق ساخت پروژه» است تا خواننده بتواند دانش را فوراً در قالب کد اجرا و آزمایش کند. در بخشهای پیشرفتهتر، مباحثی مانند استخراج ویژگی، تحلیل متن، گرافماینینگ، شبکههای عصبی، تشخیص نویسنده، خوشهبندی اخبار، بینایی ماشین و کار با Big Data مطرح میشود. فصلها بهگونهای طراحی شدهاند که مهارت خواننده را از تحلیلهای ساده تا مدلهای پیچیده یادگیری ماشین گسترش دهند. کتاب با معرفی مسیرهای یادگیری بعدی و ابزارهای تکمیلی، راه را برای حرکت به سمت پروژههای حرفهای در یادگیری ماشین و دادهکاوی هموار میکند.
ویرایش محتوا
فهرست مطالب کتاب Learning Data Mining with Python:
Chapter 1: Getting Started with Data Mining
Chapter 2: Classifying with scikit-learn Estimators
Chapter 3: Predicting Sports Winners with Decision Trees
Chapter 4: Recommending Movies Using Affinity Analysis
Chapter 5: Extracting Features with Transformers
Chapter 6: Social Media Insight Using Naive Bayes
Chapter 7: Discovering Accounts to Follow Using Graph Mining
Chapter 8: Beating CAPTCHAs with Neural Networks
Chapter 9: Authorship Attribution
Chapter 10: Clustering News Articles
Chapter 11: Classifying Objects in Images Using Deep Learning
Chapter 12: Working with Big Data
Appendix: Next Steps