Recenzii ale cititorilor
Rezumat:Cartea este o resursă cuprinzătoare pentru noii cercetători de date, oferind explicații clare, exemple practice și exerciții de programare utile. Ea acoperă o gamă largă de subiecte, de la manipularea de bază a datelor la tehnici avansate de învățare automată, fiind potrivită pentru începători cu unele cunoștințe Python.
Avantaje:⬤ Ușor de citit și de înțeles
⬤ capitole bine structurate cu explicații clare
⬤ exemple practice de cod Python
⬤ face legătura între teorie și practică
⬤ secțiuni informative despre tehnici moderne de machine learning, metrici și prejudecăți ale datelor
⬤ valoroase pentru construirea unei baze solide în știința datelor.
Dezavantaje:Capitolele privind statistica avansată și probabilitatea pot lipsi de profunzime pentru cititorii care se așteaptă la o acoperire mai cuprinzătoare; pot presupune un anumit nivel de cunoștințe anterioare în domeniul științei datelor.
(pe baza a 4 recenzii ale cititorilor)
Titlul original:
Principles of Data Science - Third Edition: A beginner's guide to essential math and coding skills for data fluency and machine learning
Conținutul cărții:
Transformați-vă datele în informații cu ajutorul tehnicilor și conceptelor matematice pe care trebuie să le cunoașteți pentru a dezvălui secretele ascunse în datele dvs. Caracteristici principale Învățați știința practică a datelor combinată cu teoria datelor pentru a obține informații maxime din date Descoperiți metode de implementare a conductelor de învățare automată acționabile în timp ce atenuați prejudecățile din date și modele Explorați studii de caz acționabile pentru a vă pune noile abilități în aplicare imediat Achiziționarea cărții tipărite sau Kindle include o carte electronică PDF gratuită Descrierea cărții
Principles of Data Science face legătura între matematică, programare și analiza de afaceri, permițându-vă să puneți și să abordați cu încredere întrebări complexe legate de date și să construiți conducte eficiente de învățare automată. Această carte vă va dota cu instrumentele necesare pentru a transforma conceptele abstracte și statisticile brute în informații utile.
Începând cu curățarea și pregătirea, veți explora strategii și tehnici eficiente de extragere a datelor înainte de a trece la construirea unei imagini holistice a modului în care fiecare piesă din puzzle-ul științei datelor se potrivește. Pe parcursul cărții, veți descoperi modele statistice cu ajutorul cărora puteți controla și naviga chiar și în cele mai dense sau mai rare seturi de date și veți învăța cum să creați vizualizări puternice care comunică poveștile ascunse în datele dvs.
Punând accentul pe aplicații, această ediție acoperă învățarea prin transfer avansată și modelele pre-antrenate pentru sarcini NLP și de vedere. Vă veți familiariza cu tehnici avansate de atenuare a prejudecăților algoritmice în date, precum și în modele și de abordare a derapajelor modelelor și datelor. În cele din urmă, veți explora guvernanța datelor la nivel mediu, inclusiv proveniența datelor, confidențialitatea și gestionarea cererilor de ștergere.
Până la sfârșitul acestei cărți despre știința datelor, veți fi învățat elementele fundamentale ale matematicii și statisticii computaționale, navigând în același timp prin complexitatea ML moderne și a modelelor mari pre-antrenate precum GPT și BERT. Ce veți învăța Stăpâni pașii fundamentali ai științei datelor prin exemple practice Faceți o punte între matematică și programare folosind statistici avansate și ML Exploatați probabilitatea, calculul și modelele pentru un control eficient al datelor Explorați ML modern transformator cu modele mari de limbaj Evaluați succesul ML cu metrici de impact și MLOps Creați imagini convingătoare care transmit informații utile Cuantificați și atenuați prejudecățile din date și modele ML Pentru cine este această carte
Dacă sunteți un cercetător de date novice aspirant, dornic să vă extindeți cunoștințele, această carte este pentru dumneavoastră. Fie că aveți abilități matematice de bază și doriți să le aplicați în domeniul științei datelor, fie că excelați în programare, dar vă lipsesc bazele matematice necesare, veți găsi această carte utilă. Familiarizarea cu programarea Python vă va îmbunătăți și mai mult experiența de învățare. Table of Contents Terminologia științei datelor Tipuri de date Cei cinci pași ai științei datelor Matematică de bază Imposibil sau improbabil - O introducere blândă în probabilitate Probabilitate avansată Care sunt șansele? O introducere în statistică Statistică avansată Comunicarea datelor Cum să vă dați seama dacă prăjitorul dvs. de pâine învață - Principiile de bază ale învățării automate Predicțiile nu cresc în copaci, sau da? Introducere în învățarea prin transfer și modelele preinstruite Atenuarea prejudecăților algoritmice și abordarea derapajelor modelelor și datelor Guvernanța IA Navigarea în lumea reală a științei datelor Studii de caz în acțiune
