Тада, 2010-их, веб дизајнери и програмери су имали отмјене називе послова и примали су прилично добре плате. Али са данима интернета, ствари су се промениле.
У овој модерној ери 21. века, ваша историја прегледања се бележи, ваши подаци е-поште се чувају, и није изненађујуће, видим да моја историја гледања на ИоуТубе-у директно утиче на моје препоруке на инстаграму, што ме наводи да више времена проводим скролујући. Све ово доказује да је сада доба науке о подацима.
Како свакодневно објављујемо тоне података на интернет, дефинитивно нам је потребно више научника за податке и МЛ инжењера који могу да откључају пуни потенцијал ових података, чинећи наше животе још лакшим.
Прикупљање података и претварање у доношење одлука је нешто што данашњи свет захтева. Ако одлучите да се уклопите у ову растућу потражњу и желите да постанете професионалац за податке, читајте даље да бисте пронашли неке од најбољих књига о науци о подацима.
Преглед садржаја
Зашто књиге када је интернет поплава ресурса?
Сигурно је рећи да су онлајн ресурси ефикаснији од књига, али то није увек тачно јер читаоци књига још нису изумрли у овом дигиталном свету.
Читање књига и онлајн курсеви су два различита света и нису упоредива. Али овде можемо рачунати на неке предности читања књига преко интернет ресурса.
Овладајте темом: Када сте у реду са општим или практичним информацијама о концепту, претраживање на мрежи је у реду, али ако желите да уђете дубље у тему, од њене историје до извођења, онда књига добро тече.
Добијте прави осећај: књиге су стварне! Без обзира на то колико виртуелних састанака присуствујете, никада не можете да ухватите шарм личног окупљања. Дакле, покушајте да држите књигу и читате, осетићете тежину страница, мирис мастила и приметићете како вам врхови прстију теку преко речи. Коначно, свидеће вам се.
Мање ометања: Знам да сте на интернету да бисте нешто научили, али мамац за кликове са вашом омиљеном ТВ емисијом се појавио пред вама и ви сте кликнули на њега. Док сте схватили да губите време, већ је било касно. То није случај са књигама. Настављате да их читате док вам не досади; нема другог начина да вам скрене пажњу.
Тачност: Књиге пролазе кроз неколико провера чињеница и тестова уређивања пре објављивања, тако да су тачније и поузданије.
Ауторитет: Углавном, књиге пишу стручни професори и истраживачи у овој области, док интернет ресурсе може креирати свако. Дакле, многим књигама можете слепо веровати.
Ево листе најбољих књига о науци о подацима које ће вам помоћи да напредујете у каријери у области науке о подацима.
Увод у вероватноћу
Изаберите ово ако одлучите да не будете осредњи научник за податке, већ да означите своје име у овом пољу јер ова књига Увод у вероватноћу покрива детаљне и напредне концепте вероватноће које су потребне сваком истраживачу података.
Поред појмова обухваћених, књига такође укључује много и много проблема са вероватноћом са чистом математиком. Штавише, на веб локацији издавача ћете бесплатно пронаћи детаљна решења за све вежбе на крају поглавља.
У сваком случају, не препоручујем ову књигу некоме ко започиње своју каријеру у науци о подацима или математици. Потребна вам је јака основа комбинаторике или добра математичка основа да бисте се научили вероватноћи помоћу ове књиге.
Али када имате пристојну математичку основу, онда је ово одличан избор ако мислите да у потпуности искористите плодове вероватноће учења у својој каријери у области науке о подацима.
Приручник за науку о подацима
Приручник за науку о подацима има за циљ да вас претвори у јединственог научника података са вештинама науке о подацима, програмирања и пословног разумевања. Уз ову књигу, добићете искуство убрзаног курса, али у писаном облику.
Књига је написана на обичном енглеском, што је добро ако сте нови у науци о подацима.
Осим што покрива класичне концепте и алгоритме МЛ, књига се такође дотиче праксе софтверског инжењеринга, рачунарске меморије, структура података и база података.
Поглавља о основним технологијама као што су Питхон, Биг дата доказују да је ова књига на страни технологије за научнике података и МЛ инжењере који решавају проблеме у стварном свету, уместо да циљају истраживаче података који раде на објављивању свог следећег часописа.
Дизајнирање апликација са интензивним подацима
Ова књига није само за научнике или аналитичаре података. Укључује све што је потребно софтверском инжењеру који дизајнира скалабилне апликације у стварном свету, архитекти софтвера који истражује апликације које захтевају велики број података или инжењеру података који обрађује велику количину података да би у потпуности искористио податке у савременим апликацијама.
Написао Мартин Клеппманн, истраживач дистрибуираних система и безбедности на Универзитету у Кембриџу.
Књига покрива моделе података, проналажење складишта, кодирање података, партиционисање, групну и ток обраду и многе основне концепте изградње модерних апликација које захтевају велики број података.
Ако било шта од следећег важи за вас, онда је ова књига идеалан избор за повећање ваших вештина.
- Како најбоље применити праве алате за решавање датог проблема.
- Желите да изградите скалабилне системе података?
- Оптимизујте перформансе ваших апликација са великим бројем података у производњи.
- Побољшајте флексибилност тако да се ваше апликације лако прилагођавају свакој новој технологији
Накед Статистицс
Цхарлес Вхеелан нам показује у Накед Статистицс како информативни подаци и прави статистички алати могу помоћи у изградњи сјајних система препорука који предлажу следећи производ који можете додати у своју корпу или прецизних система предвиђања који вам помажу у куповини и продаји акција.
Књига има за циљ да обучи ваш ум да интуитивно изводи статистичке анализе из информација које имате. Теме као што су дескриптивна статистика, закључак, корелација и регресиона анализа у тексту ће вам помоћи да то постигнете.
Најбољи део је књига Гола статистика вас учи математици као прича.
Бајесове методе за хакере
Ако желите да научите пробабилистичко програмирање из Бајесове тачке, онда је ова књига све што вам треба. Термин „Хакери“ у наслову може да доведе у заблуду, па хакере размотримо као појединце који воле да истражују и уче Бајесовске комплексне приступе и методе.
Књига почиње тако што вас учи Бајесовском закључивању, а затим упрљате руке тако што ћете изградити свој први Бајесов модел користећи каснији контекст у тексту.
Има практичне вежбе и имплементације кода за примену Бајесових техника на проблеме у стварном свету. Видећете Бајесову примену у различитим индустријама као што су финансије и маркетинг.
Штавише, ова књига је од посебног интереса ако волите Питхон алате као што су НумПи, СциПи и Матплотлиб и са позадином програмирања.
Практично МЛ са Сцикит-Леарн
Ових дана, свако са мало искуства у програмирању или без програмирања уопште може да створи интелигентне системе који могу да уче из података и доносе одлуке. Да ли и ви желите да знате како?
Аурелиен Герон, аутор ове најбоље књиге о науци о подацима, учи вас како можете да изградите интелигентни МЛ систем користећи два Питхон плуг-анд-плаи оквира – Сцикит-леарн и ТенсорФлов.
Ова практична књига о машинском учењу вам показује како можете да изградите системе машинског учења од краја до краја, користећи пун потенцијал учења сци-кит-а, док захтевате минимално кодирање са ваше стране. Такође, добићете практично искуство са ТенсорФлов моделима за обуку, изградњу и скалирање неуронских мрежа.
Написана је пријатељским тоном, и верујте ми, никада нисам очекивао да ће књига о МЛ-у бити овако лагана, са мање важних математичких извођења и занимљивијим аспектима МЛ-а.
Дубоко учење уз Питхон
Уобичајено је пронаћи дубоко учење као део или поглавље у многим књигама о машинском учењу и науци о подацима. Али, треба да приметите – обе области су на свој начин огромне теме.
Дакле, сврха овог дубоког учења са Питхон-ом Франсоа Шолеа је да вам помогне да се специјализујете искључиво за основне предмете дубоког учења.
Књига укључује предвиђање временских серија, класификацију текста, генерисање слика и многе напредније концепте дубоког учења.
Сви кодови у књизи су спремни за рад и могу се бесплатно преузети. Није изненађујуће да су аутор ове књиге и творац Кераса иста особа.
Дакле, књига је савршен спој сажетог писања, стручног аутора и извршног кода.
Велики подаци: револуција
Да ли вам је досадно кодирање и техничке карактеристике у машинском учењу и желите да дубље продрете у стварни утицај података у данашњем свету?
Онда је добро да кренете са овом великом књигом података коју је написао Виктор Мајер-Шонбергер, професор управљања и регулације интернетом на одељењу Оксфордског интернет института на Универзитету у Оксфорду.
Књига почиње тиме како индустрије, укључујући владу, прикупљају податке о свему и како их користе. Затим се прелази на дискусију о приватности података и ризицима повезаним са тим. Коначно, пружа затварање будућих могућности и ограничења великих података.
Практична анализа података са Пандама
Свако може да увезе библиотеку и позове функцију, али измишљање увида из необрађених података или приказивање збуњујућих резултата у једноставним визуелним приказима је оно што издваја Дата Сциентистс. Да не спомињемо, Пандас је прва алатка коју треба да знате за обављање таквих интуитивних задатака.
Било да сте почетник или вешт чаробњак за податке, ова практична анализа података са Пандас књигом показује сваки трик који вам је потребан да истражите, анализирате и манипулишете подацима користећи Пандас. Научићете да сумирате статистику у истраживачкој анализи података и да пронађете обрасце кроз јасне визуелизације.
Радећи на вежбама за крај поглавља, постепено ћете развијати вештине за руковање подацима из стварног света у свом професионалном раду. Можете приступити свим датотекама и кодовима у овој књизи на ГитХуб-у.
Практична наука о подацима уз Питхон
Аутор Нејтан Џорџ започиње ову најбољу практичну књигу о науци о подацима са Питхон програмирањем, а затим вас води до основних концепата науке о подацима и кодира их у Питхон-у. Води вас кроз сваку фазу науке о подацима, од анализе података до тестирања перформанси.
Имплементације кода у књизи су подељене на мање и лакше сварљиве делове, стварајући тон разговора за вас. Што је још важније, сваком делу кода у овој књизи можете приступити бесплатно на ГитХуб-у.
Пандас, СциПи и сци-кит-леарн су главне Питхон библиотеке и оквири које ћете користити током целе књиге.
Р програмирање за науку о подацима
Након Питхона, Р добија на замаху у истраживању напредне статистике сложених података. Дакле, овде сам са још једном препоруком текста ако желите да закорачите у науку о подацима користећи Р.
Р програмирање за науку о подацима званично је бесплатно бесплатно. Верујте ми, отворите га или у Едге-у или у свом омиљеном ПДФ читачу и нећете наћи апсолутно никакву разлику између његове копије на мрежи и славног издања са тврдим повезом.
Ова књига није за вас да научите науку о подацима или технике МЛ. Међутим, написао га је искључиво Роџер Д. Пенг, професор биостатистике на Блумберг школи јавног здравља Џонс Хопкинс, да би вас опремио Р програмирањем, алатом за руковање било којим извором података.
До краја књиге, требало би да будете у могућности да удобно користите Р објекте, Р пакете, функције и регуларне изразе за манипулацију подацима и анализу.
Окончање
Ово је једна од најбољих листа на интернету за проналажење савршених књига које ће подићи ваше вештине података на следећи ниво. Наука о подацима је огроман домен. Тако да сам укључио неке специјализоване књиге у свакој области, као што су машинско учење, Питхон, анализа података и Р програмирање, заједно са неколико свеукупно најбољих књига из науке о подацима.
Затим, истражите ове алате за науку о подацима који би такође требало да вам помогну да постанете бољи научник података.