Recenzie čitateľov
Zhrnutie:Kniha je všeobecne uznávaná ako základný zdroj informácií pre tých, ktorí vstupujú do oblasti dátovej vedy, najmä pre analytikov prechádzajúcich do tejto oblasti. Je oceňovaná pre svoje jasné vysvetlenia a praktické príklady. Mnohí používatelia však vyjadrili frustráciu z nefunkčných dátových súborov a kódu, čo znižuje jej použiteľnosť.
Výhody:⬤ Základný zdroj informácií o dátovej vede
⬤ Jasné a prístupné vysvetlenia zložitých pojmov
⬤ Dobre organizované a užitočné príklady a súbory údajov
⬤ Vysokokvalitný produkt
⬤ Ideálny pre začiatočníkov aj inštruktorov.
Nevýhody:⬤ Dátové súbory nefungujú, čo sťažuje precvičovanie
⬤ Mnohé príklady kódu nie sú funkčné
⬤ Vnímaný nedostatok korektúr a kontroly kvality.
(na základe 8 čitateľských recenzií)
Pôvodný názov:
Principles of Data Science: Mathematical techniques and theory to succeed in data-driven industries
Obsah knihy:
Naučte sa techniky a matematiku, ktoré potrebujete na to, aby ste začali rozumieť svojim údajom
Kľúčové vlastnosti:
⬤ Vylepšite svoje znalosti kódovania o teóriu dátovej vedy a získajte praktický prehľad o dátovej vede a analýze.
⬤ Najdete tu len hodiny matematiky, naučte sa, ako vykonávať reálne úlohy dátovej vedy pomocou programov R a Python.
⬤ Vytvárajte využiteľné poznatky a transformujte surové údaje na hmatateľnú hodnotu.
Popis knihy:
Potrebujete premeniť svoje zručnosti v programovaní na efektívne zručnosti v oblasti dátovej vedy? Kniha Princípy dátovej vedy je vytvorená tak, aby vám pomohla spojiť body medzi matematikou, programovaním a obchodnou analýzou. S touto knihou sa budete cítiť sebaisto pri kladení - a zodpovedaní - zložitých a sofistikovaných otázok o vašich údajoch, aby ste sa posunuli od abstraktných a surových štatistík k využiteľným myšlienkam.
Vďaka jedinečnému prístupu, ktorý premosťuje priepasť medzi matematikou a informatikou, vás táto kniha prevedie celým procesom dátovej vedy. Počnúc čistením a prípravou údajov a účinnými stratégiami a technikami dolovania údajov sa dostanete k vytvoreniu komplexného obrazu o tom, ako do seba zapadajú všetky časti skladačky dátovej vedy. Zoznámite sa so základmi výpočtovej matematiky a štatistiky, ako aj s niektorými pseudokódmi, ktoré dnes používajú dátoví vedci a analytici. Osvojíte si strojové učenie, objavíte štatistické modely, ktoré vám pomôžu prevziať kontrolu a orientovať sa aj v najhustejších súboroch údajov, a zistíte, ako vytvárať výkonné vizualizácie, ktoré vám sprostredkujú, čo vaše údaje znamenajú.
Čo sa naučíte:
⬤ Zoznámite sa s piatimi najdôležitejšími krokmi dátovej vedy.
⬤ Používajte svoje údaje inteligentne a naučte sa s nimi zaobchádzať opatrne.
⬤ Preklenúť priepasť medzi matematikou a programovaním.
⬤ Zoznámite sa s pravdepodobnosťou, kalkulačkou a naučíte sa používať štatistické modely na kontrolu a čistenie údajov a dosahovanie akčných výsledkov.
⬤ Zostavte a vyhodnoťte základné modely strojového učenia.
⬤ Preskúmajte najefektívnejšie metriky na určenie úspešnosti vašich modelov strojového učenia.
⬤ Vytvárajte vizualizácie údajov, ktoré sprostredkujú užitočné poznatky.
⬤ Čítajte a aplikujte koncepty strojového učenia na svoje problémy a vytvárajte skutočné predpovede.
Pre koho je táto kniha určená:
Mali by ste byť pomerne dobre oboznámení so základnou algebrou a mali by ste sa cítiť pohodlne pri čítaní fragmentov jazyka R/Python, ako aj pseudokódu. Mali by ste mať chuť naučiť sa a aplikovať techniky uvedené v tejto knihe buď na svojich vlastných súboroch údajov, alebo na tých, ktoré vám boli poskytnuté. Ak máte základné matematické zručnosti, ale chcete ich uplatniť v dátovej vede, alebo máte dobré programátorské zručnosti, ale chýba vám matematika, potom je táto kniha určená práve vám.
