مباحث پیشرفته در پایتون

امروزه یادگیری روش‌های آماده‌سازی داده برای هر فردی که قصد ورود به حوزه علوم داده (Data Science) را دارد، یک نیاز اساسی محسوب می‌شود. شاید یکی از مهمترین مزایای علم داده برای شرکت­‌ها را بتوان قدرت تصمیم­‌گیری دانست. علم داده بی نهایت در تصمیم گیری­‌های اصلی شرکت­‌ها مهم است. همچنین شامل عملیاتی از جمله: آماده‌سازی داده‌ها، تبدیل داده‌ها از یک قالب داده خام به ساختار دیگر، ایجاد داده با ‌ارزش‌تر و … است. پایتون بهترین روش را برای انجام هرکاری ارائه می­دهد و سه کتابخانه NumPy، Pandas و  Matplotlib برای تحلیل داده با پایتون مورد استفاده قرار می­‌گیرند.

NumPy: کتابخانه‌­ای که انواع عملیات ریاضی و آماری را فراهم می­کند. همچنین مبنای بسیاری از ویژگی های کتابخانه پاندا است.

Pandas: این کتابخانه به طور خاص برای تسهیل کار با داده­‌ها و تحلیل داده ایجاد شده است. تحلیل داده، ابزار­هایی آماری است که به منظور استخراج اطلاعات مفید از دل داده­‌ها استفاده می­‌شود. همچنین این کتابخانه، پایه اصلی بسیاری از کارهای پایتون برای علوم داده است.

Matplotlib: یک کتابخانه تجسم داده است که تولید نمودارها را از داده‌­های شما سریع و آسان می­کند.

NumPy و Pandas برای کاوش و بازی با داده‌­ها عالی هستند و Matplotlib نیز نمودارهایی مانند آنچه در محیط‌­های Excel  یا Google Sheets مشاهده می­‌کنید را ایجاد می­کند.

این کتاب علاوه بر آموزش سه کتابخانه فوق شامل شبیه­سازی الگوریتم­های معروف ژنتیک، PSO، شبکه عصبی، رگرسیون خطی و چندین الگوریتم پرکاربرد دیگر نیز می­باشد. همچنین سعی شده است با حل مثال­ها و تمرین­های متعدد به درک صحیح و عمیق مطالب کمک شود.