Fare scienza dei dati

Recensioni dei lettori

Il libro offre una panoramica completa della scienza dei dati, fungendo sia da introduzione che da guida pratica per coloro che sono interessati al settore. Presenta approfondimenti da parte di professionisti del settore e offre un mix di teoria e applicazioni reali. Tuttavia, è criticato per gli esempi di codice poco curati e per la mancanza di passi pratici dettagliati per i principianti assoluti.

⬤ Bella presentazione con ottimi riferimenti
⬤ ottima introduzione alla scienza dei dati
⬤ scritta in uno stile informale e coinvolgente
⬤ include esempi reali e approfondimenti da parte di professionisti della scienza dei dati
⬤ copre un'ampia gamma di argomenti
⬤ buon equilibrio tra teoria e applicazione pratica.

⬤ Gli esempi di codice sono poco curati e possono risultare problematici
⬤ non è completo per i principianti senza conoscenze pregresse
⬤ alcuni lettori lo trovano troppo informale con informazioni di base eccessive
⬤ manca un approfondimento tecnico
⬤ percepito da alcuni come una conversazione informale piuttosto che una guida pratica.

(basato su 89 recensioni dei lettori)

Titolo originale:

Doing Data Science

Contenuto del libro:

Ora che le persone sono consapevoli che i dati possono fare la differenza in un'elezione o in un modello di business, la scienza dei dati come occupazione sta guadagnando terreno. Ma come si può iniziare a lavorare in un campo interdisciplinare e di ampio respiro che è così offuscato dal clamore? Questo libro, basato sul corso di Introduzione alla scienza dei dati della Columbia University, vi spiega cosa dovete sapere.

In molti capitoli, gli scienziati dei dati di aziende come Google, Microsoft ed eBay condividono nuovi algoritmi, metodi e modelli presentando casi di studio e il codice che utilizzano. Se avete familiarità con l'algebra lineare, la probabilità e la statistica e avete esperienza di programmazione, questo libro è un'introduzione ideale alla scienza dei dati.

Gli argomenti includono:

⬤ Inferenza statistica, analisi esplorativa dei dati e processo della scienza dei dati.

⬤ Algoritmi.

⬤ Filtri antispam, Naive Bayes e data wrangling.

⬤ Regressione logistica.

⬤ Modellazione finanziaria.

⬤ Motori di raccomandazione e causalità.

⬤ Visualizzazione dei dati.

⬤ Reti sociali e giornalismo dei dati.

⬤ Ingegneria dei dati, MapReduce, Pregel e Hadoop.

Doing Data Science è una collaborazione tra l'istruttrice del corso Rachel Schutt, Senior VP of Data Science di News Corp, e la consulente di scienza dei dati Cathy O'Neil, senior data scientist presso i Johnson Research Labs, che ha partecipato al corso e ne ha scritto sul blog.