مجله علمی تفریحی بیبیس
0

دانلود کتاب کاهش ابعاد در علم داده

بازدید 724
  • عنوان کتاب: Dimensionality Reduction in Data Science
  • نویسنده: Max-Garzon,-Ching-Chi-Yang,-Deepak-Venugopal
  • حوزه: علوم داده
  • سال انتشار: 2022
  • تعداد صفحه: 268
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 4.08 مگابایت

علم داده در مورد حل مسائل بر اساس مشاهدات و داده های جمع آوری شده در دنیای واقعی است. مشکلات ممکن است از مسائل پیش پا افتاده تا دشوار علمی متغیر باشد، به عنوان مثال، رتبه بندی فیلم ها برای سیستم های توصیه، درک قدرت درآمد مالیات دهندگان آمریکایی، افزایش درآمد برای یک تجارت، هرزنامه، کنترل انتشار اطلاعات نادرست از طریق اینترنت، گرم شدن کره زمین، یا … انبساط جهان ما توانایی ما برای تولید، جمع‌آوری و ذخیره حجم‌های داده به ترتیب ترا و بایت‌های بیرونی روزانه، بسیار بیشتر از توانایی ما برای استخراج اطلاعات مفید از آن در بسیاری از زمینه‌ها، با منابع محاسباتی موجود است. هدف کلی این کتاب ارائه یک بررسی عملی و نسبتاً کامل، اما نه دایره‌المعارفی از علم داده (DS) از طریق دریچه کاهش ابعاد (DR) است. مخاطب مورد نظر متشکل از متخصصان و/یا دانشجویان در هر علم حوزه ای است که برای پاسخ به سوالات مربوط به حوزه خود بر اساس داده ها نیاز به حل مسائل دارند. علم حوزه یک اصطلاح نسبتاً مبهم است که به یک حوزه تخصصی از دانش بشری اشاره دارد که با سؤالات خاصی در مورد جنبه خاصی از واقعیت مشخص می شود (مانند اینکه حرکت در فیزیک چیست، اشیاء فیزیکی در شیمی از چه چیزی ساخته شده اند، زندگی در زیست شناسی چیست، و علاوه بر علوم تثبیت شده، آنها تقریباً شامل هر منطقه ای می شوند که می توان داده ها را ثبت و تجزیه و تحلیل کرد تا به سؤالات مربوط به جمعیت افراد یا اشیایی که داده ها در مورد آنها هستند پاسخ دهد. علم داده در مقایسه با علوم تثبیت شده، رویکردی منحصر به فرد برای حل مسئله ارائه می دهد. انگیزه علوم سنتی درک دنیای ما برای بقا و شکوفایی است. این امر مستلزم درجه ای از تجزیه و تحلیل و نظریه پردازی برای درک پدیده های خاص درگیر و فعال کردن قدرت پیش بینی است. در مقابل، با ظهور علم کامپیوتر و انتزاع آن به عصر اطلاعات (به عنوان مثال توسط اینترنت و وب)، ابزارهایی ایجاد شده اند که می توانند بدون توجه به دامنه خاص مورد استفاده قرار گیرند. هنگامی که از این آستانه عبور کرد، آنگاه گام بعدی طبیعی از ریاضیات و آمار است که به طور هم افزایی آنها را با ابزارهای محاسباتی قدرتمند توسعه یافته توسط علوم کامپیوتر برای ایجاد علم جدیدی که بیش از مجموع اجزا و در نتیجه علم داده است، ترکیب کنیم.

Data science is about solving problems based on observations and data collected in the real world. Problems may range from the mundane to difficult scientific questions, for example, rating movies for recommendation systems, understanding the earning power of American taxpayers, increasing revenue for a business, spam, controlling the spread of misinformation through the internet, global warming, or the expansion of our universe. Our ability to generate, gather, and store volumes of data in the order of tera- and exo-bytes daily has far outpaced our ability to derive useful information from it in many fields, with available computational resources. The overarching goal of this book is to provide a practical and fairly complete, but not encyclopedic, review of Data Science (DS) through the lens of Dimensionality Reduction (DR). The intended audience consists of professionals and/or students in any domain science who need to solve problems to answer questions about their domain based on data. Domain science is a fairly vague term that refers to a specialized area of human knowledge characterized by specific questions about a certain aspect of reality (like what is motion in physics, what are physical objects made of in chemistry, what is life in biology, and so forth.) In addition to the well-established sciences, they include just about any area where data can be recorded and analyzed to answer questions concerning the population of individuals or objects the data is about. Data science presents a singular approach to problem solving when compared to more established sciences. Traditional sciences are motivated by understanding our world in order to survive and thrive. That requires a degree of analysis and theorizing to understand the specific phenomena involved and to enable predictive power. By contrast, with the advent of computer science and its abstractions into the information age (as embodied by the internet and web for example), tools have been created that can be used regardless of the specific domain. Once this threshold is crossed, then it is a natural next step from mathematics and statistics to synergistically combine them with the powerful computational tools developed by computer science to create a new science that is more than the sum of the parts, hence data science.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: Dimensionality Reduction in Data Science

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

بیشتر بخوانید