علم داده ترکیبی از ابزارهای مختلف، الگوریتم‌ها و اصول یادگیری ماشین با هدف کشف الگوهای پنهان از داده‌های خام است. استخراج دانش و بینش از مجموعه‌ای از داده‌ها توسط علم داده امکان‌پذیر است تا افراد و سازمان‌ها برای بهینه کردن کارایی سیستم‌ها و کسب و کارهایشان از آن‌ها استفاده کنند.
در این کتاب به‌صورت عملی و کاربردی با مفاهیم علم داده مانند پاکسازی، اکتشاف، دسته‌بندی داده‌ها، یادگیری ماشین و الگوریتم‌های مرتبط، یادگیری عمیق، شبکه‌های عصبی مصنوعی و سری زمانی با استفاده از زبان پایتون کار خواهیم کرد. کار با داده‌های اکسل با استفاده از کتابخانه openPyxl، کار بر روی تصاویر و داده‌های گرافیکی و صوتی نیز دیگر مباحث کاربردی در این کتاب خواهند بود. پیاده‌سازی پروژه محور مفاهیم ارائه شده تلاشی جهت ارائه کاربردی مباحث بوده تا برای خوانندگان نحوه استفاده از آن‌ها ملموس‌تر باشد.
در این کتاب:
با مفاهیم جمع آوری و دسته‌بندی داده‌ها در پایتون به‌صورت کاربردی آشنا می‌شوید.
چگونگی پاکسازی و اکتشاف داده‌ها با استفاده از Numpy , Pandas را به‌صورت کاربردی فرا می‌گیرید.
پروژه سری زمانی و پیش بینی خود را ایجاد خواهید کرد.
با کتابخانه Tensorflow, Scipy, Keras, openPyxl آشنا می‌شوید.
با مفاهیم Machine learning, Deep Learning , Neural Network و کاربرد آن‌ها آشنا می‌شوید.
کتابخانه openCV را فرا می‌گیرید.(پیاده سازی پروژه‌های تشخیص اعداد، تخمین سن، تشخیص رنگ)
کتاب پروژه های کاربردی علم داده در پایتون
دیباگران تهران