کتاب کاربرد پایتون در آمار، اقتصادسنجی و یادگیری ماشین نشر نور علم

پایتون (Python) یکی از محبوب‌ترین زبان های برنامه‌ نویسی در جهان است و اکثر افرادی که می‌ خواهند اولین قدم ها را در مسیر برنامه ‌نویسی بردارند، پایتون را انتخاب می‌کنند. نظر به اهمیت روزافزون و توسعه هوش مصنوعی در جهان در دهه­ های اخیر، پایتون به عنوان یک زبان برنامه ­نویسی تخصصی با کتابخانه­ های متعدد که در زمینه های مختلف از جمله یادگیری ماشین، یادگیری عمیق، علم داده و توسعه وب استفاده می‌شود، در فهرست پردرآمدترین و محبوب ­ترین زبان­ های برنامه ­نویسی قرار گرفته است.

از سوی دیگر ضرورت انجام تحلیل­های کمی در حوزه اقتصاد بالاخص توسعه انواع مدل­ های پیش­بینی اقتصادی موجب شده کتابخانه­ های زیادی به پایتون برای تحلیل­ های اقتصادسنجی و آزمون­ های آماری افزوده شود و مدام هم به روز و تکمیل شوند. هم اینک با بهره­ مندی از کتابخانه­ های دردسترس در پایتون نظیر کتابخانه ­های پانداس، مت پلات لیب، سای­پای، نام­پای و تورچ امکان انجام بسیاری از تحلیل­ های کمی آماری و اقتصادی، دسته ­بندی و خوشه ­بندی، یادگیری ماشین، شبکه­ های عصبی و پیش­بینی براساس روش ­های مختلف میسر و ممکن شده و به دلیل متن باز بودن پایتون، مکرر این کتابخانه­ ها توسعه پیدا می­کنند.

با توجه به اینکه کتاب­ های متعددی از حیث تبیین مفاهیم و مبانی نظری و تئوریک اقتصادسنجی و مدل­ های پیش­بینی به روش­های مختلف همچون برازش رگرسیونی، یادگیری ماشین و شبکه­ های عصبی تالیف و برای مطالعه علاقمندان این حوزه ­ها روانه بازار شده است، از این رو در کتاب حاضر تصمیم بر این گرفته شد از ارائه مفاهیم و مبانی تئوریک تا حد امکان صرف­ نظر شده و بصورت ویژه به کدنویسی و اجرای این مدل ­ها و روش­ های مختلف اقتصادسنجی، دسته ­بندی، خوشه­ بندی و پیش­بینی از طریق کتابخانه­ های موجود در پایتون بسنده شود.

این مجموعه در 12 فصل به شرح زیر تالیف شده است:

فصل اول: داده خوانی و فراخوانی فایل ها و داده ها با کتابخانه پانداس

فصل دوم: ساختمان داده ها در پایتون

فصل سوم: ساختار های شرطی و تکرار

فصل چهارم: توابع و کلاس در پایتون

فصل پنجم: معرفی برخی کتابخانه های پرکاربرد در تحلیل های آماری، اقتصاد سنجی و پیش‌بینی

فصل ششم: استخراج داده های تصادفی

فصل هفتم: ایجاد دیتافریم با کتابخانه پانداس

فصل هشتم: سری های زمانی

فصل نهم: برآورد رگرسیون در پایتون

فصل دهم: یادگیری ماشین

فصل یازدهم: یادگیری ماشین به روش شبکه های عصبی با استفاده از کتابخانه Pytorch

فصل دوازدهم: سرگرمی ها با کتابخانه های پایتون

امید می رود کتاب حاضر به آشنایی علاقمندان رشته­ های مختلف آموزشی و دانشگاهی بالاخص حوزه های اقتصاد و آمار با مباحث جدید یادگیری ماشین و عمیق و هوش مصنوعی کمک نماید.