در این دوره، به صورت مرحله به مرحله با علم داده‌ها آشنا خواهید شد و اصول و مبانی آن را فراخواهید گرفت. در وهله اول، مفاهیم مقدماتی و پیشرفته زبان برنامه نویسی پایتون به شما معرفی خواهد شد و سپس موضوعات مرتبط با علم داده‌ها را درک خواهید کرد.
در دنیای امروز، پایتون (Python) به زبان مورد علاقه دانشمندان داده تبدیل شده است. این دانشمندان ترجیح می‌دهند که از زبان پایتون برای تجزیه و تحلیل، تجسم و یادگیری ماشینی داده‌ها استفاده کنند.
اگر می‌خواهید که از زبان برنامه نویسی پایتون برای بهبود عملیات شناسایی داده‌ها در پروژه‌های علمی خود استفاده کنید، توصیه ما به شما این است که این دوره آموزشی کاربردی را از دست ندهید.
این کتاب برای برنامه نویسان متوسط و همچنین برای برنامه نویسان مجرب مناسب است. برنامه نویسان باتجربه ای که می خواهند دانش خود را از پایتون تعمیق بخشند، می توانند به راحتی از طریق علوم کامپیوتر یا آموزش برنامه نویسی آشنا می شوند. برنامه نویسان میانی با زبان انتخابی خود با این مشکلات کلاسیک آشنا می شوند: پایتون. توسعه دهندگانی که برای مصاحبه های برنامه نویسی آماده می شوند، احتمالاً این کتاب را به عنوان یک منبع آماده سازی ارزشمند می دانند.
از طریق قرار گرفتن در معرض اخبار و رسانه های اجتماعی ، احتمالاً شما کاملاً با این واقعیت آشنا شده اید که یادگیری ماشین به یکی از مهیج ترین فناوری های عصر ما تبدیل شده است. شرکت های بزرگی مانند گوگل ، فیس بوک ، اپل ، آمازون و IBM به دلایل بسیار زیادی در تحقیقات و برنامه های یادگیری ماشین سرمایه گذاری می کنند.
این موضوع هیجان انگیز راه را برای امکانات و تکنولوژی های جدید
یادگیری ماشین (ML) به طور گسترده ای در بسیاری از صنایع مانند علوم ، بهداشت و تحقیقات مورد استفاده قرار می گیرد و محبوبیت آن در حال افزایش است. در مارس 2018 ، مایکروسافت برای کمک به علاقه مندان به .NET برای کار با یادگیری ماشین ML.NET را معرفی کرد. از طریق این کتاب ، نحوه ساخت برنامه های ML.NET را با مدل های مختلف یادگیری ماشین و با استفاده از کد C # بررسی خواهیم کرد.
