Practical Data Science with Python 3 - تأليف Ervin Varga (غلاف ورقي)

ملخص الكتاب اكتسب رؤية شاملة حول مهارات علم البيانات الأساسية باستخدام هندسة البيانات والأساليب الحسابية القابلة للتوسع المرتبطة بها. يغطي هذا الكتاب أشهر أطر عمل Python 3 لكل من المعالجة المحلية والموزعة (سواء في الموقع أو القائمة على السحابة). وخلال رحلتك، ستتعرف على العديد من أطر العمل الشهيرة مفتوحة المصدر، مثل SciPy و scikitlearn و Numba و Apache Spark وغيرها. تم تصميم الكتاب حول الأمثلة، لذا ستتمكن من استيعاب المفاهيم الأساسية من خلال دراسات الحالة وأكواد Python 3. مع تزايد حجم مشاريع علوم البيانات وتعقيدها المستمر، تصبح المعرفة والخبرة في هندسة البرمجيات أمراً بالغ الأهمية لإنتاج حلول قابلة للتطوير. ستتعلم من خلال هذا الكتاب كيفية إنشاء برمجيات سهلة الصيانة لعلوم البيانات، وكيفية توثيق ممارسات هندسة البيانات. يعد هذا الكتاب نقطة انطلاق جيدة للأشخاص الذين يرغبون في اكتساب مهارات عملية لممارسة علوم البيانات. ستكون جميع الأكواد البرمجية متاحة على شكل دفاتر IPython وبرامج Python 3، مما يتيح لك إعادة إنتاج جميع التحليلات الواردة في الكتاب وتخصيصها لتناسب أغراضك الخاصة. ستستفيد أيضاً من مواضيع متقدمة مثل تعلم الآلة، وأنظمة التوصية، والأمن في علم البيانات. سيمكنك كتاب Practical Data Science with Python من تحليل البيانات، وصياغة الأسئلة المناسبة، واستخلاص رؤى قابلة للتنفيذ، وهي ثلاث مراحل أساسية في معظم مساعي علم البيانات. ما ستتعلمه: ستلعب دور عالم بيانات عند إكمال تمارين تزداد صعوبة باستخدام Python 3، والعمل باستخدام تقنيات وتكنولوجيات علم البيانات المثبتة.

راجع ممارسات هندسة البرمجيات القابلة للتوسع لتعزيز قدرات تحليل البيانات في مجال البيانات الضخمة Big Data

طبق نظرية الاحتمالات، والاستدلال الإحصائي، والجبر لفهم ممارسات علم البيانات

لمن هذا الكتاب لكل من يرغب في دخول عالم علوم البيانات باستخدام Python 3.

من الغلاف الخلفي اكتسب رؤية شاملة حول مهارات علم البيانات الأساسية باستخدام هندسة البيانات والأساليب الحسابية القابلة للتوسع المرتبطة بها. يغطي هذا الكتاب أشهر أطر عمل Python 3 لكل من المعالجة المحلية والموزعة (سواء في الموقع أو القائمة على السحابة). خلال رحلتك، ستتعرف على العديد من أطر العمل الشهيرة مفتوحة المصدر، مثل SciPy و scikitlearn و Numba و Apache Spark وغيرها. تم تصميم الكتاب حول الأمثلة، لذا ستتمكن من استيعاب المفاهيم الأساسية من خلال دراسات الحالة وأكواد Python 3. مع تزايد حجم مشاريع علوم البيانات وتعقيدها المستمر، تصبح المعرفة والخبرة في هندسة البرمجيات أمراً بالغ الأهمية لإنتاج حلول قابلة للتطوير. ستتعلم من خلال هذا الكتاب كيفية إنشاء برمجيات سهلة الصيانة لعلوم البيانات وكيفية توثيق ممارسات هندسة البيانات. يعد هذا الكتاب نقطة انطلاق جيدة للأشخاص الذين يرغبون في اكتساب مهارات عملية لممارسة علوم البيانات. ستكون جميع الأكواد البرمجية متاحة في شكل دفاتر IPython وبرامج Python 3، مما يتيح لك إعادة إنتاج جميع التحليلات الواردة في الكتاب وتخصيصها لتناسب أغراضك الخاصة. ستستفيد أيضاً من مواضيع متقدمة مثل تعلم الآلة، وأنظمة التوصية، والأمن في علم البيانات. سيمكنك كتاب Practical Data Science with Python من تحليل البيانات، وصياغة الأسئلة المناسبة، واستخلاص رؤى قابلة للتنفيذ، وهي المراحل الثلاث الأساسية في معظم مساعي علم البيانات.

نبذة عن المؤلف إرفين فارغا هو عضو رفيع المستوى في IEEE وعضو محترف في ACM. وهو مدرب معتمد في هندسة البرمجيات من IEEE. كما يمتلك إرفين شركة Expro I.T. Consulting للاستشارات البرمجية في صربيا. يحمل المؤلف درجة الماجستير في علوم الحاسوب، ودرجة الدكتوراه في الهندسة الكهربائية (حيث ركزت أطروحته على تطبيق هندسة البرمجيات وعلوم الحاسوب في مجال أنظمة الطاقة الكهربائية). كما يعمل Ervin مستشاراً تقنياً لمشروع المصدر المفتوح Mainflux.