Principi di scienza dei dati: Tecniche e teorie matematiche per avere successo nelle industrie basate sui dati

Recensioni dei lettori

Il libro è ampiamente riconosciuto come una risorsa fondamentale per coloro che entrano nel campo della scienza dei dati, in particolare per gli analisti che si affacciano a questo settore. È apprezzato per le spiegazioni chiare e gli esempi pratici. Tuttavia, molti utenti hanno espresso la loro frustrazione per i file di dati e il codice non funzionali, che ne pregiudicano la fruibilità.

⬤ Risorsa fondamentale per la scienza dei dati
⬤ Spiegazioni chiare e accessibili di concetti complessi
⬤ Esempi e set di dati ben organizzati e utili
⬤ Prodotto di alta qualità
⬤ Ideale sia per i principianti che per i docenti.

⬤ I file di dati non funzionano, rendendo difficile la pratica
⬤ Molti esempi di codice non sono funzionali
⬤ Percepita la mancanza di revisione e di controllo di qualità.

(basato su 8 recensioni dei lettori)

Titolo originale:

Principles of Data Science: Mathematical techniques and theory to succeed in data-driven industries

Contenuto del libro:

Impara le tecniche e la matematica necessarie per iniziare a dare un senso ai tuoi dati.

Caratteristiche principali:

⬤ Aumenta le tue conoscenze di codifica con la teoria della scienza dei dati per una visione pratica della scienza e dell'analisi dei dati.

⬤ Più di un semplice corso di matematica, imparate a svolgere attività di data science nel mondo reale con R e Python.

⬤ Creare intuizioni utili e trasformare i dati grezzi in valore tangibile.

Descrizione del libro:

Avete bisogno di trasformare le vostre abilità di programmazione in abilità efficaci nella scienza dei dati? Principles of Data Science è stato creato per aiutarvi a unire i puntini tra matematica, programmazione e analisi aziendale. Con questo libro, vi sentirete sicuri nel porre e rispondere a domande complesse e sofisticate sui vostri dati per passare da statistiche astratte e grezze a idee attuabili.

Con un approccio unico che getta un ponte tra la matematica e l'informatica, questo libro vi accompagna attraverso l'intera pipeline della scienza dei dati. Partendo dalla pulizia e dalla preparazione dei dati e da strategie e tecniche efficaci di data mining, si passa a costruire un quadro completo di come ogni pezzo del puzzle della scienza dei dati si incastra. Imparerete i fondamenti della matematica e della statistica computazionale, nonché alcuni pseudocodici utilizzati oggi da data scientist e analisti. Imparerete a conoscere l'apprendimento automatico, scoprirete i modelli statistici che vi aiuteranno a prendere il controllo e a navigare anche negli insiemi di dati più densi e scoprirete come creare visualizzazioni potenti che comunichino il significato dei vostri dati.

Cosa imparerete:

⬤ Conoscere le cinque fasi più importanti della scienza dei dati.

⬤ Utilizzare i dati in modo intelligente e imparare a gestirli con cura.

⬤ Colmare il divario tra matematica e programmazione.

⬤ Imparare a conoscere la probabilità, il calcolo e come utilizzare i modelli statistici per controllare e pulire i dati e ottenere risultati concreti.

⬤ Costruire e valutare modelli di apprendimento automatico di base.

⬤ Esplorate le metriche più efficaci per determinare il successo dei vostri modelli di apprendimento automatico.

⬤ Creare visualizzazioni di dati che comunichino informazioni utili.

⬤ Leggere e applicare i concetti di machine learning ai propri problemi e fare previsioni concrete.

A chi è rivolto questo libro?

Dovreste avere una discreta conoscenza dell'algebra di base e sentirvi a vostro agio nella lettura di frammenti di R/Python e di pseudocodice. Dovreste avere la voglia di imparare e applicare le tecniche presentate in questo libro sui vostri set di dati o su quelli che vi vengono forniti. Se avete le competenze matematiche di base ma volete applicarle alla scienza dei dati, o se avete buone capacità di programmazione ma vi manca la matematica, questo libro fa per voi.