📚 9 книг по анализу данных и Big Data

1. Анализ данных в науке и технике. Машинное обучение, динамические системы и управление [2021] Стивен Л. Брантон , Дж. Натан Куц
2. Анализ данных. Статистические и вычислительные методы для научных работников и инженеров [2003] Брандт
3. Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени [2016] Натан Марц, Джеймс Уоррен
4. Интеллектуальный анализ данных - Пальмов
5. Интеллектуальный анализ данных - Харламов
6. Интеллектуальный анализ данных - Чернышова
7. Основы Big Data. Концепции, алгоритмы и технологии [2018] Томас Эрл
8. Статистические методы интеллектуального анализа данных учебное пособие [2021] Мыльников
9. Big Data and Artificial Intelligence for Healthcare Applications [2021] Ankur Saxena, Nicolas Brault

#анализ_данных #big_data #программирование

📔 Сбор данных в Интернете на языке R [2017] Храмов

Всё, что регистрирует человек и созданные им машины, может считаться данными. Фиксируя новое и переводя архивы в цифровую форму, мы с каждым днём производим всё больше данных. Но гораздо чаще случается так, что данные разбросаны по всемирной сети на многочисленных страницах онлайновых магазинов, заметках в социальных сетях, логах серверов и т. п. Прежде чем начать работать с такими данными, их необходимо собрать и сохранить в пригодном для анализа виде. Решению этих вопросов и посвящена данная книга. Основной материал книги разделён на две части. В первой части дано краткое введение в R – описание среды разработки, языка и основных пакетов-расширений. Вторая часть посвящена непосредственно сбору данных: работе с открытыми данными, извлечению данных из веб-страниц и из социальных сетей. Также рассмотрены необходимые технические вопросы: протокол HTTP, функции импорта данных различных форматов и регулярные выражения. #сбор_данных #big_data #статистика #r

📘 Intro to Python for Computer Science and Data Science: Learning to Program with AI, Big Data and The Cloud [2020] Deitel P., Deitel H

The book's modular architecture enables instructors to conveniently adapt the text to a wide range of computer-science and data-science courses offered to audiences drawn from many majors. Computer-science instructors can integrate as much or as little data-science and artificial-intelligence topics as they'd like, and data-science instructors can integrate as much or as little Python as they'd like. The book aligns with the latest ACM/IEEE CS-and-related computing curriculum initiatives and with the Data Science Undergraduate Curriculum Proposal sponsored by the National Science Foundation. #computer_science
#программирование #python #big_data

📔 Data Science. Наука о данных с нуля. 2-е издание [2021] Джоэл Грас

Книга позволяет изучить науку о данных (Data Science) и применить полученные знания на практике. Она содержит краткий курс языка Python, элементы линейной алгебры, статистики, теории вероятностей, методов обработки данных. Приведены основы машинного обучения. Описаны алгоритмы k ближайших соседей, наивной байесовой классификации, линейной и логистической регрессии, а также модели на основе деревьев принятия решений, нейронных сетей и кластеризации. Рассмотрены приемы обработки естественного языка, методы анализа социальных сетей, основы баз данных, SQL и MapReduce. Во втором издании примеры переписаны на Python 3.6, игрушечные наборы данных заменены на «реальные», добавлены материалы по глубокому обучению и этике данных, статистике и обработке естественного языка, рекуррентным нейронным сетям, векторным вложениям слов и разложению матриц.
#программирование #python #data_science #big_data

📒 Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение [2021] Эйлин Нильсен

В этом практическом руководстве описаны современные технологии анализа данных временных рядов и приведены примеры их практического использования в самых разных предметных областях. Оно призвано помочь в решении наиболее распространенных задач исследования и обработки временных рядов с помощью традиционных статистических методов и наиболее популярных моделей машинного обучения. В своей книге Эйлин Нильсен рассматривает самые распространенные и доступные инструменты анализа временных рядов, включенные в программные пакеты языков R и Python, которые могут применяться специалистами по работе с данными и разработчиками программного обеспечения для написания собственных эффективных решений. #анализ_данных #r #data_science #big_data #python

📕 Data Science для карьериста [2021] Нолис Жаклин, Робинсон Эмили

Все мы хотим построить успешную карьеру. Как найти ключ к долгосрочному успеху в Data Science? Для этого понадобятся не только технические ноу-хау, но и правильные «мягкие навыки». Лишь объединив оба этих компонента, можно стать востребованным специалистом. Узнайте, как получить первую работу в Data Science и превратиться в ценного сотрудника высокого уровня! Четкие и простые инструкции научат вас составлять потрясающие резюме и легко проходить самые сложные интервью. Data Science стремительно меняется, поэтому поддерживать стабильную работу проектов, адаптировать их к потребностям компании и работать со сложными стейкхолдерами не так уж и легко. Опытные дата-сайентисты делятся идеями, которые помогут реализовать ваши ожидания, справиться с неудачами и спланировать карьерный путь. #data_science #big_data #анализ_данных

📘 Mathematical Statistics with Applications in R 3rd Edition [2021] Kandethody Ramachandran, Chris Tsokos

Mathematical Statistics with Applications in R, Third Edition, offers a modern calculus-based theoretical introduction to mathematical statistics and applications. The book covers many modern statistical computational and simulation concepts that are not covered in other texts, such as the Jackknife, bootstrap methods, the EM algorithms, and Markov chain Monte Carlo (MCMC) methods, such as the Metropolis algorithm, Metropolis-Hastings algorithm and the Gibbs sampler. By combining discussion on the theory of statistics with a wealth of real-world applications, the book helps students to app roach statistical problem-solving in a logical manner. Step-by-step procedure to solve real problems make the topics very accessible.
#математика #статистика #R #анализ_данных #big_data #math

📗 Data Science from Scratch: First Principles with Python, 2nd edition [2019] Grus J.

To really learn data science, you should not only master the tools—data science libraries, frameworks, modules, and toolkits—but also understand the ideas and principles underlying them. Updated for Python 3.6, this second edition of Data Science from Scratch shows you how these 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 the hacking skills you need to get started as a data scientist. Packed with new material on deep learning, statistics, and natural language processing, this updated book shows you how to find the gems in today’s messy glut of data. #python #программирование #анализ_данных #big_data #статистика

📕 Язык R в задачах науки о данных: импорт, подготовка, обработка, визуализация и моделирование данных [2018] Хэдли Уикем, Гарретт Гроулмунд

Овладейте искусством превращения необработанных первичных данных в плодотворные догадки, гипотезы и новые знания с помощью языка R. Эта книга задумана как введение в вычислительную среду R, среду разработки RStudio и библиотеку tidyverse - коллекцию пакетов, совместное использование которых обеспечивает быстроту и легкость анализа данных. Книга ориентирована на читателей, не имеющих предварительного опыта программирования, и предназначена для того, чтобы помочь им в как можно более короткие сроки начать решать задачи науки о данных. Авторы книги познакомят вас со всеми стадиями процесса анализа данных, включая импорт, предварительную подготовку, разведочный анализ и моделирование данных, а также демонстрацию результатов. Прочитав книгу, вы получите цельное представление как о процессе анализа данных в целом, так и об основных инструментах...
#big_data #r #анализ_данных

📕 Google BigQuery. Всё о хранилищах данных, аналитике и машинном обучении [2021] Валиаппа Лакшманан, Джордан Тайджани

💾 Скачать книгу

📙 Google BigQuery: The Definitive Guide: Data Warehousing, Analytics, and Machine Learning at Scale [2020] Valliappa Lakshmanan, Jordan Tigani

#математика #статистика #R #анализ_данных #big_data #math

📝 Математика для Data Science [2021] Миронов, Минеева

Разберитесь, как работают технологии машинного обучения, и научитесь пользоваться ими осознанно.
Математика для DS - программа из 3-х курсов, которая поможет:
1. Разобраться в теории
Вы любите доходить до самой сути всего, что делаете. Вам интересно, что стоит за теми алгоритмами, которые вы применяете.
2. Подготовиться к собеседованию
Вы хотите работать в сфере Data Science и боитесь каверзных вопросов на собеседованиях? Не зря боитесь.
3. Читать научные статьи
Статьи по Data Science часто несложные по сути – но без определенной математической базы их сложно читать.
4. Полюбить математику
Мы любим математику и хотим показать вам, как она красива.

👨🏻‍💻 Официальный сайт образовательной программы: https://stepik.mathfords.ru/

#data_science #наука_о_данных
#big_data #математика #статистика

📘 Алгоритмы Data Science и их практическая реализация на Python [2022] Протодьяконов, Пылов, Садовников

💾 Скачать книгу

💡 Data Science — раздел информатики, изучающий проблемы анализа, обработки и представления данных в цифровой форме. Объединяет методы по обработке данных в условиях больших объёмов и высокого уровня параллелизма, статистические методы, методы интеллектуального анализа данных и приложения искусственного интеллекта для работы с данными, а также методы проектирования и разработки баз данных.

Рассматривается как академическая дисциплина, а с начала 2010-х годов, во многом благодаря популяризации концепции «больших данных», — и как практическая межотраслевая сфера деятельности, притом специализация исследователя данных (англ. data scientist — «учёного по данным») с начала 2010-х годов считается одной из самых привлекательных, высокооплачиваемых и перспективных профессий.

#data_science #big_data #программирование #python #машинное_обучение

👨🏻‍💻 Доброго вечера, господа и дамы! Новинка только для наших подписчиков! Только для ознакомления и личного пользования без распространения.

Новые книги:
📗 Масштабируемые данные. Лучшие шаблоны высоконагруженных архитектур [2022] Стренгхольт
📘 Data Management at Scale: Best Practices for Enterprise Architecture [2020] Piethein Strengholt

📖 Вы можете купить книгу в бумаге! Для наших подписчиков лучшие условия.
-35% по промокоду: PHYSICS MATH CODE
💡 Подробности тут

😊 Для тех, кто захочет пожертвовать на покупку новых книг:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206

#складчина #архитектура #алгоритмы #программирование #распределенные_вычисления #web #big_data

📗 Руководство по подготовке к Data Science интервью [2021] Ренат Алимбеков

💾 Скачать книгу

Наука о данных (data science) — раздел информатики, изучающий проблемы анализа, обработки и представления данных в цифровой форме. Объединяет методы по обработке данных в условиях больших объёмов и высокого уровня параллелизма, статистические методы, методы интеллектуального анализа данных и приложения искусственного интеллекта для работы с данными, а также методы проектирования и разработки баз данных.

Рассматривается как академическая дисциплина, а с начала 2010-х годов, во многом благодаря популяризации концепции «больших данных», — и как практическая межотраслевая сфера деятельности, притом специализация исследователя данных (англ. data scientist — «учёного по данным») с начала 2010-х годов считается одной из самых привлекательных, высокооплачиваемых и перспективных профессий.

#data_science #big_data #программирование #python #машинное_обучение

📕 Mastering MongoDB 6.x: Expert techniques to run high-volume and fault-tolerant database solutions using MongoDB 6.x, 3rd Edition 3rd ed. Edition
[2022] Alex Giamas

📄 MongoDB — документоориентированная система управления базами данных, не требующая описания схемы таблиц. Считается одним из классических примеров NoSQL-систем, использует JSON-подобные документы и схему базы данных. Написана на языке C++. Применяется в веб-разработке, в частности, в рамках JavaScript-ориентированного стека MEAN.

💾 Скачать книгу

📜 What you will learn
▪️ Understand data modeling and schema design, including smart indexing
▪️ Master querying data using aggregation
▪️ Use distributed transactions, replication and sharding for better results
▪️ Administer your database using backups and monitoring tools
▪️ Secure your cluster with the best checklists and advice
▪️ Master MongoDB Atlas, Search, Charts, Serverless, Realm, Compass, Cloud Manager and other tools offered in the cloud or on premises
▪️ Integrate MongoDB with other big data sources
▪️ Design and deploy MongoDB in mobile, IoT and serverless environments

👨‍💻 Who this book is for
This book is for MongoDB developers and database administrators who want to learn how to model their data using MongoDB in depth, for both greenfield and existing projects. An understanding of MongoDB, shell command skills and basic database design concepts is required to get the most out of this book.

#mongodb #БД #базы_данных #анализ_данных #big_data #программирование

📒 Основы Python для Data Science [2023] Берман Кеннеди

Python — язык программирования №1 для машинного обучения и Data Science. Но как же сложно решить, с чего начать изучение Python, ведь у него огромный инструментарий! Кеннеди Берман фокусируется на тех навыках программирования, которые понадобятся вам для решения задач в области Data Science и машинного обучения. Вы познакомитесь с блокнотами Jupyter — лучшей средой для профессиональной работы с данными. Затем перейдете к ключевым библиотекам, которые упрощают процесс математических вычислений, визуализации, решение задач машинного обучения и обработки естественного языка. Затем, овладев основами, вы перейдете к продвинутым техникам, позволяющим решать более сложные задачи.

📕 Foundational Python for Data Science [2021] Kennedy R. Behrman

Data science and machine learning―two of the world’s hottest fields―are attracting talent from a wide variety of technical, business, and liberal arts disciplines. Python, the world's #1 programming language, is also the most popular language for data science and machine learning. This is the first guide specifically designed to help millions of people with widely diverse backgrounds learn Python so they can use it for data science and machine learning. Leading data science instructor and practitioner Kennedy Behrman first walks through the process of learning to code for the first time with Python and Jupyter notebook, then introduces key libraries every Python data science programmer needs to master. Once you've learned these foundations, Behrman introduces intermediate and applied Python techniques for real-world problem-solving. Throughout, Foundational Python for Data Science presents hands-on exercises, learning assessments, case studies, and more―all created with Colab (Jupyter compatible) notebooks, so you can execute all coding examples interactively without installing or configuring any software.
#python #computer_science #программирование #big_data

📕 Data Engineering with Python: Work with massive datasets to design data models and automate data pipelines using Python [2020] Paul Crickard

💾 Скачать книгу

Книга покажет вам, как решать проблемы, с которыми обычно сталкиваются в различных аспектах разработки данных. Вы начнете с ознакомления с основами разработки данных, а также с технологиями и фреймворками, необходимыми для построения конвейеров данных для работы с большими наборами данных. Вы узнаете, как преобразовывать и очищать данные, а также выполнять аналитику, чтобы получить максимальную отдачу от ваших данных. По мере продвижения вы узнаете, как работать с большими данными различной сложности и производственными базами данных, а также создавать конвейеры передачи данных. Используя реальные примеры, вы создадите архитектуры, на которых узнаете, как развертывать конвейеры передачи данных.

К концу этой книги по Python вы получите четкое представление о методах моделирования данных и сможете уверенно создавать конвейеры разработки данных для отслеживания данных, проведения проверок качества и внесения необходимых изменений в производство.

Эта книга предназначена для аналитиков данных, разработчиков ETL и всех, кто хочет начать работу в области разработки данных или перейти в нее, а также освежить свои знания в области разработки данных с использованием Python. Эта книга также будет полезна студентам, планирующим построить карьеру в области разработки данных, или ИТ-специалистам, готовящимся к переходу. Никаких предварительных знаний в области обработки данных не требуется. #Python #анализ_данных #data_science #big_data

📙 Data Engineering with Python: Work with massive datasets to design data models and automate data pipelines using Python [2020] Paul Crickard

Build, monitor, and manage real-time data pipelines to create data engineering infrastructure efficiently using open-source Apache projects.
Become well-versed in data architectures, data preparation, and data optimization skills with the help of practical examplesDesign data models and learn how to extract, transform, and load (ETL) data using PythonSchedule, automate, and monitor complex data pipelines in production.

Data engineering provides the foundation for data science and analytics, and forms an important part of all businesses. This book will help you to explore various tools and methods that are used for understanding the data engineering process using Python.

The book will show you how to tackle challenges commonly faced in different aspects of data engineering. You'll start with an introduction to the basics of data engineering, along with the technologies and frameworks required to build data pipelines to work with large datasets. You'll learn how to transform and clean data and perform analytics to get the most out of your data. As you advance, you'll discover how to work with big data of varying complexity and production databases, and build data pipelines. Using real-world examples, you'll build architectures on which you'll learn how to deploy data pipelines.

By the end of this Python book, you'll have gained a clear understanding of data modeling techniques, and will be able to confidently build data engineering pipelines for tracking data, running quality checks, and making necessary changes in production.

This book is for data analysts, ETL developers, and anyone looking to get started with or transition to the field of data engineering or refresh their knowledge of data engineering using Python.
#Python #анализ_данных #data_science #big_data

👨🏻‍💻 По просьбам камрадов запускаем складчину на новую книгу по алгоритмам 📖

Тематика книги: Доступное и прекрасно иллюстрированное введение в вероятностные дисковые структуры данных и алгоритмы . Нужно собрать 1600 руб. Как только соберем, то приобретем книгу и выложим.

Новая книга: 📘 Алгоритмы и структуры для массивных наборов данных [2023] Меджедович Дж., Тахирович Э.
(в архив будет добавлена также EN-версия книги)

💡 Как всегда, книга будет предоставлена Вам только для ознакомления и личного пользования без распространения.

Для тех, кто захочет пожертвовать на покупку этой книги:
Карта ВТБ: 4272290768112195 ( СБП: +79616572047 )
Карта Сбербанк: 2202200638175206 ( СБП: +79026552832 )
ЮMoney (яндекс.деньги): 410012169999048

#складчина #алгоритмы #big_data #программирование #python #R #структуры_данных

📘 Алгоритмы и структуры для массивных наборов данных [2023] Меджедович Дж., Тахирович Э.
📗 Algorithms and Data Structures for Massive Datasets [2022] Dzejla Medjedovic, Emin Tahirovic

⚠️ Книги предоставляется вам для ознакомления и не для распространения

💳 Купить книгу

💾 Ознакомиться с книгами RU+EN

Джейла Меджедович защитила докторскую диссертацию в лаборатории прикладных алгоритмов Университета Стоуни Брук, Нью-Йорк. Эмин Тахирович защитил докторскую диссертацию по биостатистике в Пенсильванском университете. Иллюстратор Инес Дедович защитила докторскую диссертацию в Институте визуализации и компьютерного зрения при Университете Аахена, Германия. #складчина #алгоритмы #big_data #программирование #python #R #структуры_данных

💡 Physics.Math.Code