کتاب اصول و مبانی علوم داده‌ای با Python

کتاب اصول و مبانی علوم داده‌ای با Python، منبعی برای فراگیریِ پاک‌سازی داده‌ها، خط سیر علوم داده‌ای، یادگیری ماشینی، تحلیل شبکه‌های اجتماعی و مصورسازی داده‌ای با پایتون است. آلبرتو بوشتی و لوکا ماسارون، این کتاب را با در نظر گرفتن مخاطب‌هایی که آشنایی با پایتون و علوم داده‌ای ندارند، تدوین کرده‌اند. با مطالعه‌ی این کتاب، تمامی مهارت‌های لازم برای تبدیل‌ شدن به مختصص علوم داده‌ای را فرا می‌‌گیرید.

درباره‌ی کتاب اصول و مبانی علوم‌ داده‌ای با Python

کتاب اصول و مبانی علوم داده‌ای Python (Python Data Science Essentials)، نوشته‌ی آلبرتو بوشتی (Alberto Boschett) و لوکا ماسارون (Luca Massaron)، اطلاعات کاملی برای تحلیل و کار با علوم د‌اده‌ای در زبان برنامه‌نویسی پایتون را در اختیار علاقه‌مندان قرار می‌دهد. آموزش‌های این کتاب، رویکردی گام‌به‌گام، ساده و مثال‌محور دارد. مطالعه‌ی خودآموزِ این اثر، روشی اثربخش برای فراگیری استفاده از ابزارهای کارآمد پایتون در پایگاه‌ داده‌های نمایشی به حساب می‌آید.

نویسنده‌های کتاب اصول و مبانی علوم داده‌ای، این اثر را با این رویکرد تدوین کرده‌اند که خواننده، دانش چندانی از پایتون ندارند. چندین نمونه‌ی آموزشی در این کتاب قرار داده شده تا اصول کار با پایتون را فرا بگیرید. روش آموزشیِ این کتاب، ساختاری همانند پروژه‌های علوم داده‌ای دارد. کدهای واضح و مثال‌های ساده‌ی کتاب به درک بهتر خواننده از سازوکارهای اساسی پایتون و کار با پایگاه داده‌های واقعی کمک می‌کند. با مطالعه‌ی فصل نخست کتاب با تمامی ابزارهای پایه‌ای محیط‌های برنامه‌نویسی تعاملی پایتون، کتابخانه‌ها و مجموعه‌ی داده‌های لازم آشنا خواهید شد. نویسنده‌های این اثر در ادامه به توضیح مفهوم پاک‌سازی داده‌ها اشاره می‌کنند. با آشنایی از این مفهوم، تکنیک‌هایی برای بارگذاری داده‌های عظیمِ مدیریت‌‌ناپذیر توسط رایانه فرا می‌گیرید. روش دستکاری و تبدیل داده‌ها از دیگر آموزش‌های کتاب اصول و مبانی علوم داده‌ای است.

آلبرتو بوشتی و لوکا ماسارون، آموزش‌های خود را با معرفی سیر علوم داده‌ای، تکنیک‌های اکتشافی پیشرفته‌، تشخیص نمونه‌های غیرعادی و اعمال تکنیک‌های اعتبارسنجی ادامه می‌دهند. آشنایی با یادگیری ماشینی، یکی دیگر از بحث‌های اصلی کتاب اصول و مبانی علوم داده‌ای با Python به حساب می‌آید. نویسنده‌ها در فصل چهارم کتاب، خواننده را با مهم‌ترین الگوریتم‌های یادگیری موجود در کتابخانه Scikit-learn، آشنا می‌کنند. برای تفهیم بهترِ مفهوم یادگیری ماشینی، مثال‌هایی عملی در این بخش برای شناسایی مقادیر کلیدی مطرح شده است. این مثال‌ها به خواننده در تنظیم پارامترها برای دریافت بهترین خروجی از تکنیک‌های ماشینی یادگیری کمک می‌کند.

به گفته‌ی آلبرتو بوشتی و لوکا ماسارون، ارتباط مستقیمی میان علوم داده‌ای و اطلاعات شبکه‌های اجتماعی وجود دارد. آموزشِ روش‌های تحلیل شبکه‌های اجتماعی با پایتون را می‌توان از دیگر اطلاعات کتاب اصول و مبانی علوم داده‌ای نام برد. آشنایی خواننده با مفهوم مصورسازی در علوم داده‌، مبحث دیگری است که نویسنده‌های کتاب اصول و مبانی علوم داده‌ای با Python به آن پرداخته‌اند. با مطالعه‌ی مطالب مربوط به مصورسازی در این کتاب، روش‌های ایجاد نمایش‌‌های گرافیکی مقدماتی و متوسط را فرا می‌گیرید. این روش‌ها به خواننده برای نمایش‌های گرافیکی، ساختارهای پیچیده‌ی داده‌ای، فرایند‌ها و نتیجه‌های یادگیری در حالت مصور کمک می‌کند. مراحل نصب و راه‌اندازی مفسر پایتون و تمامی ابزارها و داده‌هایی که برای اجرای مثال‌های کتاب به آن نیاز دارید نیز در این اثر با روشی گام‌به‌گام و ساده توضیح داده شده است.

انتشارات آتی نگر، چاپ و نشر کتاب اصول و مبانی علوم داده‌ای با Python را بر عهده داشته است. یعقوب فرجامی و محمدمعین فاضلی، مترجم‌های این اثر هستند.

افتخارات کتاب اصول و مبانی علوم داده‌ای با Python

• کتاب شایسته‌ی تقدیر کتابِ سال دانشجویی

کتاب اصول و مبانی علوم داده‌ای با Python برای چه کسانی مناسب است؟

افراد تازه‌کار و مشتاق به علوم داده‌ای که تجربه‌ی اندک در پایتون و کار در زمینه‌ی تحلیل داده‌ها دارند، مخاطب اصلی این کتاب به حساب می‌آیند. مطالعه‌ی کتاب اصول و مبانی علوم داده‌ای برای متخصصان علوم داده‌ایِ حرفه‌ای در حوزه‌ی مدل‌سازی آماری با زبان آر و متلب که دنبال روشی برای اجرای عملیات علوم داده‌ای با پایتون می‌گردند نیز خالی از لطف نخواهد بود.