Analisi dei dati con strumenti open source: Una guida pratica per programmatori e scienziati dei dati

Recensioni dei lettori

Il libro “Analisi dei dati con strumenti open source” offre un'introduzione completa alle tecniche di analisi dei dati, anche se si concentra più sugli aspetti teorici che sull'implementazione pratica con il codice. I lettori apprezzano generalmente la profondità dei contenuti e le intuizioni dell'autore, ma ci sono critiche riguardo alla struttura, alla profondità degli esempi e all'accuratezza di alcune spiegazioni.

⬤ Offre una panoramica approfondita delle varie tecniche di analisi dei dati
⬤ ben scritto e accessibile
⬤ presenta spunti utili e incoraggia a pensare fuori dagli schemi
⬤ adatto ai principianti
⬤ include strumenti e metodi pratici
⬤ prezioso per comprendere a fondo i concetti.

⬤ Titolo fuorviante per quanto riguarda gli strumenti open source
⬤ manca di sufficienti esempi di codice funzionante
⬤ problemi organizzativi con il flusso dei contenuti
⬤ alcune imprecisioni matematiche e statistiche
⬤ la dimensione dei caratteri è troppo piccola per una lettura confortevole
⬤ potrebbe non essere adatto a chi cerca dettagli tecnici approfonditi o esempi pratici rigorosi.

(basato su 52 recensioni dei lettori)

Titolo originale:

Data Analysis with Open Source Tools: A Hands-On Guide for Programmers and Data Scientists

Contenuto del libro:

Raccogliere dati è relativamente facile, ma per trasformare le informazioni grezze in qualcosa di utile è necessario sapere come estrarre esattamente ciò che serve. Grazie a questo libro, i programmatori di livello intermedio ed esperto interessati all'analisi dei dati impareranno le tecniche per lavorare con i dati in un ambiente aziendale. Imparerete a guardare i dati per scoprire cosa contengono, a catturare queste idee in modelli concettuali e a riportare la vostra comprensione all'interno dell'organizzazione attraverso piani aziendali, cruscotti metrici e altre applicazioni.

Durante il percorso, sperimenterete i concetti attraverso laboratori pratici alla fine di ogni capitolo. Soprattutto, imparerete a pensare ai risultati che volete ottenere, anziché affidarvi a strumenti che pensino per voi.

⬤ Usare i grafici per descrivere dati con una, due o decine di variabili.

⬤ Sviluppare modelli concettuali utilizzando calcoli retrospettivi, nonché argomenti di scala e probabilità.

⬤ Elaborare i dati con metodi computazionalmente intensivi come la simulazione e il clustering.

⬤ Rendere comprensibili le conclusioni attraverso report, cruscotti e altri programmi di misurazione.

⬤ Comprendere i calcoli finanziari, compreso il valore temporale del denaro.

⬤ Utilizzare tecniche di riduzione della dimensionalità o di analisi predittiva per superare situazioni di analisi dei dati difficili.

⬤ Conoscere i diversi ambienti di programmazione open source per l'analisi dei dati.

"Finalmente un riferimento conciso per capire come conquistare mucchi di dati". --Austin King, sviluppatore web senior, Mozilla.

"Un testo indispensabile per gli aspiranti data scientist". --Michael E. Driscoll, CEO/fondatore di Dataspora.