Știința datelor: Concepte și practică

Recenzii ale cititorilor

Cartea oferă o introducere clară și concisă în analiza predictivă și știința datelor utilizând RapidMiner. În timp ce explicațiile și metodele de predare sunt lăudate, există critici semnificative cu privire la calitatea materialului tipărit, în special lipsa culorilor în ilustrații.

⬤ Explicații și exemple excelente
⬤ în general bine scrisă
⬤ predare excelentă a fundamentelor științei datelor
⬤ clară și concisă
⬤ acoperă aspectele esențiale ale utilizării RapidMiner
⬤ potrivită pentru începători și perspective de afaceri.

⬤ Tipărit în alb-negru, lipsit de culoare în ilustrațiile importante
⬤ perceput ca fiind tipărit pentru profitabilitate mai degrabă decât pentru calitate
⬤ unele diagrame sunt slab redate, ceea ce diminuează conținutul.

(pe baza a 7 recenzii ale cititorilor)

Titlul original:

Data Science: Concepts and Practice

Conținutul cărții:

Învățați elementele de bază ale științei datelor printr-un cadru conceptual ușor de înțeles și practicați imediat folosind platforma RapidMiner. Indiferent dacă sunteți nou în domeniul științei datelor sau lucrați la al zecelea proiect, această carte vă va arăta cum să analizați datele, să descoperiți modele și relații ascunse pentru a ajuta la decizii și predicții importante.

Știința datelor a devenit un instrument esențial pentru a extrage valoare din date pentru orice organizație care colectează, stochează și procesează date ca parte a operațiunilor sale. Această carte este ideală pentru utilizatorii de afaceri, analiștii de date, analiștii de afaceri, inginerii și profesioniștii din domeniul analizei și pentru oricine lucrează cu date.

Veți fi capabili să:

⬤ Obțineți cunoștințele necesare despre diferite tehnici de știința datelor pentru a extrage valoare din date.

⬤ Să stăpânești conceptele și mecanismele interne a 30 de algoritmi puternici de știința datelor utilizați frecvent.

⬤ Implementați pas cu pas procesul de știință a datelor utilizând RapidMiner, o platformă de știință a datelor bazată pe GUI open source.

Tehnici de știința datelor acoperite: Analiza exploratorie a datelor, Vizualizare, Arbori de decizie, Inducerea regulilor, Vecinii cei mai apropiați, Clasificatori Bayesieni, Rețele neuronale artificiale, Învățare profundă, Mașini vectoriale suport, Modele de ansamblu, Păduri aleatorii, Regresie, Motoare de recomandare, Analiză de asociere, K-Means și clustering bazat pe densitate, Hărți autoorganizatoare, Text mining, Prognoza seriilor de timp, Detectarea anomaliilor, Selectarea caracteristicilor și multe altele...