Știința datelor cu Java: Metode practice pentru cercetători și ingineri

Recenzii ale cititorilor

Cartea este bine primită pentru perspectivele sale teoretice și exemplele practice de cod în domeniul științei datelor utilizând Java. Cu toate acestea, se confruntă cu critici pentru alegerea Java ca limbaj pentru știința datelor, deoarece mulți îl consideră greoi și lipsit de instrumente disponibile în comparație cu alte limbaje.

Oferă o bună înțelegere a conceptelor de știința datelor cu exemple practice de cod; cadru teoretic bine structurat.

⬤ Java nu este considerat un limbaj ideal pentru știința datelor din cauza ineleganței sale și a dificultății de citire a codului
⬤ instrumente limitate pentru știința datelor la scară largă în comparație cu alte limbaje
⬤ absența unui cuprins în previzualizare.

(pe baza a 3 recenzii ale cititorilor)

Titlul original:

Data Science with Java: Practical Methods for Scientists and Engineers

Conținutul cărții:

Știința datelor este în plină expansiune datorită R și Python, dar Java aduce robustețea, comoditatea și capacitatea de scalare esențiale pentru aplicațiile actuale de știința datelor. Cu această carte practică, inginerii software Java care doresc să adauge abilități în domeniul științei datelor vor face o călătorie logică prin conducta științei datelor. Autorul Michael Brzustowicz explică teoria matematică de bază din spatele fiecărui pas al procesului de știința datelor, precum și modul de aplicare a acestor concepte cu Java.

Veți învăța rolurile critice pe care IO de date, algebra liniară, statistica, operațiunile cu date, învățarea și predicția, precum și Hadoop MapReduce le joacă în acest proces. De-a lungul acestei cărți, veți găsi exemple de cod pe care le puteți utiliza în aplicațiile dvs.

⬤ Examinați metodele de obținere, curățare și aranjare a datelor în forma lor cea mai pură.

⬤ Înțelegeți structura matriceală pe care ar trebui să o ia datele dvs.

⬤ Învățați conceptele de bază pentru testarea originii și validității datelor.

⬤ Transformarea datelor în valori numerice stabile și utilizabile.

⬤ Înțelegeți algoritmii de învățare supravegheată și nesupravegheată și metodele de evaluare a succesului acestora.

⬤ Începeți să lucrați cu MapReduce, utilizând componente personalizate potrivite pentru algoritmii din știința datelor.