Hodnotenie:
Kniha je dobre prijímaná pre svoje teoretické poznatky a praktické príklady kódu v oblasti dátovej vedy s využitím jazyka Java. Čelí však kritike za výber jazyka Java ako jazyka pre dátovú vedu, pretože mnohí ho považujú za ťažkopádny a v porovnaní s inými jazykmi v ňom chýbajú dostupné nástroje.
Výhody:Poskytuje dobré pochopenie konceptov dátovej vedy s praktickými príkladmi kódu; dobre štruktúrovaný teoretický rámec.
Nevýhody:⬤ Java sa nepovažuje za ideálny jazyk pre vedu o údajoch kvôli svojej neelegantnosti a ťažkostiam pri čítaní kódu
⬤ obmedzené nástroje pre rozsiahlu vedu o údajoch v porovnaní s inými jazykmi
⬤ absencia obsahu v náhľade.
(na základe 3 čitateľských recenzií)
Data Science with Java: Practical Methods for Scientists and Engineers
Dátová veda zažíva rozmach vďaka R a Pythonu, ale Java prináša robustnosť, pohodlie a schopnosť škálovania, ktoré sú pre dnešné aplikácie dátovej vedy kľúčové. Vďaka tejto praktickej knihe sa softvéroví inžinieri v jazyku Java, ktorí chcú pridať zručnosti v oblasti vedy o údajoch, vydajú na logickú cestu potrubím vedy o údajoch. Autor Michael Brzustowicz vysvetľuje základnú matematickú teóriu stojacu za každým krokom procesu dátovej vedy, ako aj to, ako tieto koncepty aplikovať s Javou.
Dozviete sa, akú rozhodujúcu úlohu v tomto procese zohrávajú IO údajov, lineárna algebra, štatistika, dátové operácie, učenie a predikcia a Hadoop MapReduce. V celej knihe nájdete príklady kódu, ktoré môžete použiť vo svojich aplikáciách.
⬤ Preskúmajte metódy získavania, čistenia a usporiadania údajov do ich najčistejšej podoby.
⬤ Pochopte maticovú štruktúru, ktorú by vaše údaje mali mať.
⬤ Oboznámte sa so základnými pojmami na testovanie pôvodu a platnosti údajov.
⬤ Transformujte svoje údaje na stabilné a použiteľné číselné hodnoty.
⬤ Pochopiť algoritmy učenia pod dohľadom a bez dohľadu a metódy hodnotenia ich úspešnosti.
⬤ Začať pracovať s MapReduce pomocou prispôsobených komponentov vhodných pre algoritmy dátovej vedy.