Поделиться

Теоретический минимум по Big Data

Всё, что нужно знать о больших данных.

Анналин Ын, Кеннет Су «Теоретический минимум по Big Data» Питер, 2019 год, 208 стр., ISBN 978-5-4461-1040-7; (PDF)

Описание EN Содержание Links

Описание книги.

В этой книге дается практическое понимание науки о данных (Big Data). Она написана с точки зрения непрофессионала как доступное введение в науку о данных и ее алгоритмы. Что дает возможность изучить сильные стороны этой технологии при принятии более правильных решений. Каждый алгоритм имеет свою отдельную главу, которая объясняет, как он работает, и демонстрирует пример реального приложения.

Чтобы помочь читателю понять ключевые понятия, в книге приводятся интуитивно понятные объяснения и наглядные практические материалы. Представленные в книге концепции включают в себя: A/B-тестирование, обнаружение аномалий, правила ассоциации, кластеризацию, деревья решений и случайные леса, регрессионный анализ, анализ социальной сети, нейронные сети и др. Для иллюстрации каждого алгоритма представлены реальные приложения, справочные листы, сравнивающие плюсы и минусы алгоритмов, а также приводятся интуитивно понятные объяснения и глоссарий список часто используемых терминов.

EN

Numsense! Data Science for the Layman: No Math Added

Numsense! Data Science for the Layman: No Math AddedPublisher: Annalyn Ng & Kenneth Soo
Author: Annalyn Ng, Kenneth Soo
ISBN-10: 9811110689
Pages: 134
Language: English
Year: 2017
File: ebook PDF,EPUB

Description

This book has been written in layman’s terms as a gentle introduction to data science and its algorithms. Each algorithm has its own dedicated chapter that explains how it works, and shows an example of a real-world application. To help you grasp key concepts, we stick to intuitive explanations and visuals.

 

 

Краткое оглавление

Краткое оглавление

Глава 1. Об основах без лишних слов
Глава 2. Кластеризация методом k-средних
Глава 3. Метод главных компонент
Глава 4. Ассоциативные правила
Глава 5. Анализ социальных сетей
Глава 6. Регрессионный анализ
Глава 7. Метод k-ближайших соседей и обнаружение аномалий
Глава 8. Метод опорных векторов
Глава 9. Дерево решений
Глава 10. Случайные леса
Глава 11. Нейронные сети
Глава 12. A/B-тестирование и многорукие бандиты
Приложения
Глоссарий
Литература и ссылки на источники
Об авторах

Для получения дополнительных руководств для неспециалистов в области данных
www.algobeans.com

Всё о Data Science

PDF (RU)     pdf (ru)   PDF+EPUB (EN) 

key    eMMb8vYCtlbPYWQobkDJrNGna-wRCXeSnzMW1am12YA


Поделиться