تحليل البيانات باستخدام Python - الطبعة الرابعة - تأليف Avinash Navlani & Cornellius Yudha Wijaya (غلاف ورقي)

حول الكتاب أتقن تحليل البيانات باستخدام Python من خلال أمثلة عملية تغطي معالجة البيانات، وتصور البيانات، وتعلم الآلة، والذكاء الاصطناعي التوليدي، ومعالجة اللغات الطبيعية، وتحليلات الصور. كما ستتعلم بناء مسارات بيانات قابلة للتوسع باستخدام pandas و Dask و PySpark.

ملخص الكتاب تعرّف على مسارات تحليل البيانات باستخدام Python Data Analysis، وتعلم تقنيات تعلم الآلة، وpandas، وscikit-learn، وتقنيات تصور البيانات. كما ستتمكن من بناء سير عمل قابل للتوسع للتعامل مع السلاسل الزمنية، ومعالجة اللغات الطبيعية (NLP)، وتحليلات الصور، ومعالجة البيانات الضخمة. الميزات الرئيسية:

• تجهيز البيانات وتنظيفها وتحويلها باستخدام Python وpandas وتقنيات تحليل البيانات الاستكشافية.
• تطبيق تعلم الآلة باستخدام Python عبر أساليب الانحدار، والتصنيف، والتجميع، وتحليل المكونات الرئيسية PCA، والطرق البايزية.
• توسيع نطاق سير عمل التحليلات باستخدام Dask وRay وModin وPySpark.

وصف الكتاب: يتجاوز تحليل البيانات الحديث مجرد تنظيف البيانات وتصورها؛ إذ يحتاج الممارسون اليوم إلى بناء خطوط أنابيب بيانات قابلة للتوسع، وتطبيق تعلم الآلة، والتعامل مع البيانات النصية والصورية، وفهم تقنيات الذكاء الاصطناعي الناشئة مثل الذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة LLMs. يوضح لك هذا الدليل كيفية مواجهة هذه التحديات باستخدام منظومة البيانات الحديثة في Python. وبخلاف الكتب التي تركز على مكتبة واحدة أو تقنية محددة، يقدم هذا الكتاب نهجاً شاملاً لتحليل البيانات باستخدام Python من البداية إلى النهاية. ستتعلم كيفية الانتقال من إعداد البيانات والتحليل الاستكشافي إلى تعلم الآلة، ومعالجة اللغات الطبيعية (NLP)، وتحليل الصور، والمعالجة القابلة للتوسع، وسير العمل المدعوم بالذكاء الاصطناعي. وبدءاً من الأسس الإحصائية، ستتعلم كيفية تنظيف البيانات وتحويلها ومعالجتها وتصورها بيانياً. ستستكشف بعد ذلك تحليل السلاسل الزمنية، ومعالجة الإشارات، والتنبؤ، والتحليلات التنبؤية، قبل تطبيق تقنيات تعلم الآلة مثل الانحدار، والتصنيف، والتجميع، وPCA، والطرق الاحتمالية، والأساليب البايزية. كما يغطي الكتاب تحليلات الرسوم البيانية، وتحليل المشاعر، ومعالجة اللغات الطبيعية NLP، وتحليلات الصور، والذكاء الاصطناعي التوليدي Generative AI، والنماذج اللغوية الكبيرة LLMs. وأخيراً، ستتعلم كيفية توسيع نطاق سير عمل التحليلات باستخدام Dask وModin وRay وPySpark. وبنهاية هذا الكتاب، ستكون قادراً على بناء مسارات تحليل بيانات متكاملة وتطبيق تقنيات علوم البيانات والذكاء الاصطناعي الحديثة لحل تحديات العالم الحقيقي. ما ستتعلمه:

• تحضير البيانات وتنظيفها وتحويلها من أجل التحليل الاستكشافي ومعالجة البيانات
• تحليل البيانات وتصورها باستخدام Python و pandas
• إجراء تحليل السلاسل الزمنية والتنبؤ ومعالجة الإشارات
• تطبيق تعلم الآلة باستخدام Python عبر تقنيات scikit-learn
• استخدام أساليب الانحدار، والتصنيف، والتجميع، وتحليل المكونات الرئيسية PCA، والطرق البايزية
• إجراء تحليل المشاعر، ومعالجة اللغات الطبيعية NLP، وتحليلات الرسوم البيانية، وتحليلات الصور
• تسريع سير العمل باستخدام Dask و Modin و Ray
• بناء مسارات تحليل البيانات الضخمة القابلة للتوسع باستخدام PySpark

لمن هذا الكتاب: هذا الكتاب مخصص لمحللي البيانات، هذا الكتاب مخصص لعلماء البيانات، ومحللي الأعمال، والإحصائيين، والطلاب، والمتخصصين الأكاديميين الراغبين في تعزيز مهاراتهم في تحليل البيانات باستخدام Python. كما يعد الخيار الأمثل للقراء الذين يتطلعون إلى تطبيق علوم البيانات باستخدام Python في حل مشكلات واقعية تشمل إعداد البيانات، وتصور البيانات، وتعلم الآلة، ومعالجة اللغات الطبيعية NLP، وتحليل الصور، ومعالجة البيانات الضخمة. سيساعدك الإلمام بأساسيات الرياضيات والمعرفة العملية بلغة Python على تحقيق أقصى استفادة من هذا الكتاب. جدول المحتويات - البدء باستخدام مكتبات Python - NumPy و Pandas - الإحصاء لاستخلاص رؤى البيانات - الجبر الخطي - تصور البيانات - استرداد البيانات ومعالجتها وتخزينها - تنظيف البيانات غير المنظمة - تحليل السلاسل الزمنية - التعلم الخاضع للإشراف: الانحدار والتصنيف - التعلم غير الخاضع للإشراف: تقليل الأبعاد، والتجميع، وكشف الشذوذ - طرق التجميع: طرق Bagging و Boosting - الشبكات العصبية الاصطناعية والتعلم العميق - تحليل البيانات النصية - تحليل بيانات الصور - النماذج اللغوية الكبيرة LLMs والذكاء الاصطناعي التوليدي Gen AI - الحوسبة المتوازية باستخدام Dask و Modin و Ray - تحليلات البيانات الضخمة باستخدام PySpark