Поделиться

Data Science

С использованием языка Python.

Джоэл Грас «Data Science. Наука о данных с нуля» БХВ-Петербург, 2017 год, 336 стр., перевод А. Логунов, O’Reilly (PDF)

ОписаниеENСодержаниеLinks

Книга позволяет освоить науку о данных, начав «с чистого листа». Она написана так, что способствует погружению в Data Science аналитика, фактически не обладающего глубокими знаниями в этой прикладной дисциплине. При этом вы убедитесь, что описанные в книге программные библиотеки, платформы, модули и пакеты инструментов, предназначенные для работы в области науки о данных, великолепно справляются с задачами анализа данных.

А если у вас есть способности к математике и навыки программирования, то Джоэл Грас поможет вам почувствовать себя комфортно с математическим и статистическим аппаратом, лежащим в основе науки о данных, а также с приемами алгоритмизации, которые потребуются для работы в этой области. В сегодняшнем хаотическом потоке данных скрыты ответы на многие волнующие человека вопросы. Книга познакомит с методологией, которая позволит правильно сформулировать эти вопросы и найти на них ответы. ISBN: 978-5-9775-3758-2

Вы рассмотрите

  • Интенсивный курс языка Python
  • Элементы линейной алгебры, математической статистики, теории вероятностей и их применение в науке о данных
  • Инструментов для сбора, очистки, нормализации и управления данными
  • Основы машинного обучения
  • Различные математические модели и их реализации по методу к ближайших соседей, наивной байесовской классификации, линейной и логистической регрессии, а также моделями на основе деревьев принятия решений, нейронных сетей и кластеризации
  • Работу с рекомендательными системами, приемы обработки естественного языка, методы анализа социальных сетей, технологии MapReduce и баз данных

Об авторе

Джоэл Грас (Joel Grus) работает инженером-программистом в компании Google. До этого занимался аналитической работой в нескольких стартапах. Активно участвует в неформальных мероприятиях специалистов в области науки о данных. Всегда доступен в Twitter по хештегу @joelgrus.

EN

Data Science from Scratch
First Principles with Python

Data Science from Scratch

Author: Joel Grus
Publisher: O’Reilly Media
ISBN-13: 978-1491901427
ISBN-10: 149190142X
Year: 2015
Pages: 464
Language: English

Data science libraries, frameworks, modules, and toolkits are great for doing data science, but they’re also a good way to dive into the discipline without actually understanding data science. In this book, you’ll learn how many of the most fundamental data science tools and algorithms work by implementing them from scratch.

If you have an aptitude for mathematics and some programming skills, author Joel Grus will help you get comfortable with the math and statistics at the core of data science, and with hacking skills you need to get started as a data scientist. Today’s messy glut of data holds answers to questions no one’s even thought to ask. This book provides you with the know-how to dig those answers out.

Get a crash course in Python

  • Learn the basics of linear algebra, statistics, and probability—and understand how and when they’re used in data science
  • Collect, explore, clean, munge, and manipulate data
  • Dive into the fundamentals of machine learning
  • Implement models such as k-nearest Neighbors, Naive Bayes, linear and logistic regression, decision trees, neural networks, and clustering
  • Explore recommender systems, natural language processing, network analysis, MapReduce, and database
Краткое оглавление
  • Глава 1. Введение
  • Глава 2. Интенсивный курс языка Python
  • Глава 3. Визуализация данных
  • Глава 4. Линейная алгебра
  • Глава 5. Статистика
  • Глава 6. Теория вероятностей
  • Глава 7. Гипотеза и вывод
  • Глава 8. Градиентный спуск
  • Глава 9. Сбор данных
  • Глава 10. Обработка данных
  • Глава 11. Машинное обучение
  • Глава 12. К ближайших соседей
  • Глава 13. Наивный Байес
  • Глава 14. Простая линейная регрессия
  • Глава 15. Множественная регрессия
  • Глава 16. Логистическая регрессия
  • Глава 17. Деревья принятия решений
  • Глава 18. Нейронные сети
  • Глава 19. Кластеризация
  • Глава 20. Обработка естественного языка
  • Глава 21. Анализ социальных сетей
  • Глава 22. Рекомендательные системы
  • Глава 23. Базы данных и SQL
  • Глава 24. Распределенные вычисления MapReduce
  • Глава 25. Идите и займитесь аналитикой
  • Предметный указатель

GitHub code

GitHub author

Data Science, черные ящики – и почему вам сильно повезло

PDF RU         PDF EN           pdf ru

key      CsatlkHyo4nzaFpUU9obTp-ZgxU1JMSZ-90S-B_xWUU


Поделиться