Algorithms for Data Science - Steele, Brian, Chandler, John, Reddy, Swarna [2017, PDF, En]
#алгоритмы #программирование #python #data_science

📔 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

📝 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

📕 Практическая статистика для специалистов Data Science [2022] Питер Брюс, Питер Гедек, Эндрю Брюс

Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны и почему. Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя. Во второе издание включены примеры на языке Python, что расширяет практическое применение книги.
#программирование #computer_science
#статистика #R #python #data_science

📘 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

📗 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

📙 Теоретический минимум по Computer Science. Сети, криптография и data science [2022] Фило, Пиктет

📗 Теоретический минимум по Computer Science. Все, что нужно программисту и разработчику [2018] Владстон Феррейра Фило

💾 Скачать книги

👨🏻‍💻 Фило Владстон Феррейра
Программист, которому нравится учить языки. В настоящий момент работает в Code Energy и пишет серию книг для начинающих программистов.

👨🏻‍💻 Пиктет Мото
Швейцарский инженер, специализирующийся на аэродинамике и космических технологиях в Федеральной политехнической школе Лозанны (EPFL) и Калифорнийском технологическом институте (Caltech). Любит проводить семинары и писать увлекательный контент. Как педагог стремится охватить как можно более широкую аудиторию, уделяя особое внимание ясности и краткости объяснений.

#программирование #computer_science #it #сети #data_science

📙 The Pandas Workshop: A comprehensive guide to using Python for data analysis with real-world case studies [2022] Blaine Bateman, Saikat Basak Thomas V. Joseph, William So

💾 Скачать книгу

What you will learn
▪️ Access and load data from different sources using pandas
▪️ Work with a range of data types and structures to understand your data
▪️ Perform data transformation to prepare it for analysis
▪️ Use Matplotlib for data visualization to create a variety of plots
▪️ Create data models to find relationships and test hypotheses
▪️ Manipulate time-series data to perform date-time calculations
▪️ Optimize your code to ensure more efficient business data analysis

Who this book is for
This data analysis book is for anyone with prior experience working with the Python programming language who wants to learn the fundamentals of data analysis with pandas. Previous knowledge of pandas is not necessary.
#panda #python #data_science #анализ_данных

📙 The Pandas Workshop: A comprehensive guide to using Python for data analysis with real-world case studies [2022] Blaine Bateman, Saikat Basak Thomas V. Joseph, William So

Learn the fundamentals of data science with Python by analyzing real datasets and solving problems using pandas. The Pandas Workshop will teach you how to be more productive with data and generate real business insights to inform your decision-making. You will be guided through real-world data science problems and shown how to apply key techniques in the context of realistic examples and exercises. Engaging activities will then challenge you to apply your new skills in a way that prepares you for real data science projects.

You'll see how experienced data scientists tackle a wide range of problems using data analysis with pandas. Unlike other Python books, which focus on theory and spend too long on dry, technical explanations, this workshop is designed to quickly get you to write clean code and build your understanding through hands-on practice. As you work through this Python pandas book, you'll tackle various real-world scenarios, such as using an air quality dataset to understand the pattern of nitrogen dioxide emissions in a city, as well as analyzing transportation data to improve bus transportation services.
#panda #python #data_science #анализ_данных

📕 Introduction to probability for Data Science [2021] Stanley H. Chan

💾 Скачать книгу

Целевая аудитория книги — студенты младших/старшекурсники и аспиранты первого курса, специализирующиеся в области электротехники и компьютерных наук. Обязательными условиями являются стандартная линейная алгебра и математическое моделирование для бакалавриата, за исключением раздела о характеристических функциях, где необходимы преобразования Фурье. Было бы достаточно курса бакалавриата по сигналам и системам, даже пройденного одновременно с изучением этой книги. #data_science #программирование #статистика #теория_вероятностей #анализ_данных #математика

📙 Метаобучение. Применение в AutoML и науке о данных [2023] Браздил, Рейн, Соарес, Ваншорен

📘 Metalearning: Applications to Data Mining [2009] Pavel Brazdil, Christophe Giraud-Carrier, Carlos Soares, Ricardo Vilalta

Издание адресовано исследователям в области машинного обучения, интеллектуального анализа данных и искусственного интеллекта, а также может быть полезно студентам и аспирантам.

⚠️ Книги предоставляется вам для ознакомления и не для распространения

💳 Купить книгу

💾 Ознакомиться с RU+EN

👨🏻‍💻 А для тех, кто захочет пожертвовать админу на шаурму и покупку других новинок:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206

#программирование #метаобучение #python #AutoML #анализ_данных #машинное_обучение #data_science

📕 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