علم داده و تحلیل با پایتون ۲۰۱۸
Data Science and Analytics with Python 2018

کتاب «علم داده و تحلیل با پایتون» برای متخصصان علم داده و تحلیل‌گران داده، هم در محیط‌های آکادمیک و هم در محیط‌های تجاری، طراحی شده است. هدف این کتاب ارائه مفاهیم اصلی مورد استفاده در علم داده با استفاده از ابزارهای توسعه‌یافته در پایتون، مانند SciKit-learn، Pandas، Numpy و سایر موارد است. استفاده از پایتون به دلیل محبوبیت اخیر آن در جامعه علم داده، از اهمیت ویژه‌ای برخوردار است. این کتاب می‌تواند توسط برنامه‌نویسان باتجربه و تازه‌واردان به طور یکسان مورد استفاده قرار گیرد.

کتاب به گونه‌ای سازماندهی شده است که هر فصل به اندازه کافی مستقل از فصل‌های دیگر باشد تا خواننده بتواند به راحتی از مطالب به عنوان مرجع استفاده کند. کتاب به این موضوع می‌پردازد که علم داده و تحلیل از منظر فرآیند و نتایج به دست آمده چیست. ویژگی‌های مهم پایتون، از جمله یک راهنمای مقدماتی پایتون نیز در کتاب پوشش داده شده است. عناصر اساسی یادگیری ماشین، تشخیص الگو و هوش مصنوعی که زیربنای الگوریتم‌ها و پیاده‌سازی‌های استفاده شده در بقیه کتاب هستند نیز در بخش اول کتاب آمده است.

در بخش دوم کتاب، تحلیل رگرسیون با استفاده از پایتون، تکنیک‌های خوشه‌بندی و الگوریتم‌های طبقه‌بندی پوشش داده شده است. خوشه‌بندی سلسله مراتبی، درخت‌های تصمیم و تکنیک‌های ensemble نیز به همراه تکنیک‌های کاهش ابعاد و سیستم‌های توصیه بررسی می‌شوند. الگوریتم ماشین بردار پشتیبان و ترفند Kernel در بخش آخر کتاب مورد بحث قرار می‌گیرند.

درباره نویسنده

دکتر خسوس روخل-سالازار دانشمند ارشد داده با تجربه در این زمینه است که برای شرکت‌هایی مانند AKQA، IBM Data Science Studio، Dow Jones و دیگران کار کرده است. او محقق مدعو در دپارتمان فیزیک کالج سلطنتی لندن، انگلستان و عضو دانشکده فیزیک، نجوم و ریاضیات در دانشگاه هرتفوردشایر، انگلستان است. او مدرک دکترای خود را در رشته فیزیک از کالج سلطنتی لندن برای کار بر روی اپتیک اتم کوانتومی و ماده فوق سرد دریافت کرده است. وی از سال 2006 به عنوان مدرس ارشد ریاضیات و همچنین مشاور در صنعت مالی فعالیت داشته است. او نویسنده کتاب Essential Matlab and Octave است که توسط CRC Press نیز منتشر شده است. علایق او شامل مدل‌سازی ریاضی، علم داده و بهینه‌سازی در طیف گسترده‌ای از کاربردها از جمله اپتیک، مکانیک کوانتومی، روزنامه‌نگاری داده و امور مالی است.

Data Science and Analytics with Python is designed for practitioners in data science and data analytics in both academic and business environments. The aim is to present the reader with the main concepts used in data science using tools developed in Python, such as SciKit-learn, Pandas, Numpy, and others. The use of Python is of particular interest, given its recent popularity in the data science community. The book can be used by seasoned programmers and newcomers alike.

The book is organized in a way that individual chapters are sufficiently independent from each other so that the reader is comfortable using the contents as a reference. The book discusses what data science and analytics are, from the point of view of the process and results obtained. Important features of Python are also covered, including a Python primer. The basic elements of machine learning, pattern recognition, and artificial intelligence that underpin the algorithms and implementations used in the rest of the book also appear in the first part of the book.

Regression analysis using Python, clustering techniques, and classification algorithms are covered in the second part of the book. Hierarchical clustering, decision trees, and ensemble techniques are also explored, along with dimensionality reduction techniques and recommendation systems. The support vector machine algorithm and the Kernel trick are discussed in the last part of the book.

About the Author

Dr. Jesús Rogel-Salazar is a Lead Data scientist with experience in the field working for companies such as AKQA, IBM Data Science Studio, Dow Jones and others. He is a visiting researcher at the Department of Physics at Imperial College London, UK and a member of the School of Physics, Astronomy and Mathematics at the University of Hertfordshire, UK, He obtained his doctorate in physics at Imperial College London for work on quantum atom optics and ultra-cold matter. He has held a position as senior lecturer in mathematics as well as a consultant in the financial industry since 2006. He is the author of the book Essential Matlab and Octave, also published by CRC Press. His interests include mathematical modelling, data science, and optimization in a wide range of applications including optics, quantum mechanics, data journalism, and finance.