Будьте в курсе этих книг
Сегодня существует более миллиона способов освоить любой новый навык, который вам нужен. Вы можете зайти на YouTube и посмотреть видео, вы можете перейти на Medium и прочитать несколько полезных статей, или вы можете послушать подкаст и учиться, занимаясь чем-то другим.
Но один из методов обучения, который существовал с момента появления письменных языков, - это книги. Книги - на мой взгляд - это жемчужина информации, независимо от того, что вы хотите узнать, есть вероятность, что книга или книги говорят об этом. Книги были одним из моих любимых и надежных источников информации, старых или новых.
Возможно, они не являются предпочтительным методом обучения для всех, но мы все можем признать, что в какой-то момент мы все вернулись за книгой, чтобы проверить информацию. Книги не научат вас магическим навыкам; как и в любой другой форме обучения, вам нужно приложить усилия и иметь желание учиться, чтобы вы могли извлечь максимум из любой книги или учебного ресурса.
Наука о данных, возможно, имеет то, что кажется бесконечным количеством обучающих ресурсов в Интернете и вне его. И вы можете только предсказать, что количество ресурсов будет расти по мере увеличения поля. За последние годы было опубликовано так много книг по науке о данных практически на любом языке, который вам удобно читать.
В этой статье я предложу вам 5 новых книг по науке о данных, опубликованных в 2020 и 2021 годах, которые я считаю очень многообещающими для вас, независимо от того, новичок ли вы в науке о данных или уже какое-то время участвуете в этой области. .
№1: Наука о данных: полное руководство по науке о данных для начинающих от Sabra Deal
Бесспорно, что наука о данных продолжает ежедневно привлекать новых и умных людей. И, честно говоря, я не думаю, что в ближайшее время это замедлится. Первая книга в этом списке предназначена для начинающих в этой области.
Мне больше всего нравится в этой книге то, насколько она легка, когда основная информация, которую вам нужно усвоить, объясняется всего на 62 страницах. Эта книга не предназначена для того, чтобы дать вам все подробности, необходимые для того, чтобы стать мастером науки о данных. Скорее, вы можете думать об этой книге как о подробном, высокоуровневом плане развития науки о данных для всех, кто не понимает, что такое наука о данных и что нужно, чтобы стать специалистом по данным.
Книга охватывает основной язык и терминологию, используемую в науке о данных, от математики, статистики до машинного обучения и искусственного интеллекта. По сути, эта книга - отличный первый шаг, если вы новичок в науке о данных.
№2: Измерение и наука о данных Автор Gábor Péceli
Наука о данных - это обширная область, которая может применяться практически во всех сферах жизни, от простейшей рекомендации книги или фильма до жизненно важных приложений в медицине и здравоохранении. Данные, используемые в любом проекте по науке о данных, собираются по-разному в зависимости от приложения.
Некоторые собраны с датчиков; другие собираются из Интернета. Из-за такого разнообразия источников существуют разные способы измерения данных. Измерение и наука о данных охватывает все основы и многое другое по теме данных и измерений.
В различных главах этой книги рассматриваются исследования, проведенные отделом измерительных и информационных систем Венгрии, и обобщаются результаты сочетания классических и теоретических измерений с обработкой данных. Эта 371-страничная книга познакомит вас со всем, что вам нужно знать об измерениях в науке о данных.
№3: Экскурсия по науке о данных: изучение R и Python параллельно Наилонг Чжан
Двумя наиболее часто используемыми языками программирования в науке о данных являются Python и R. Оба они являются полезными языками, которые могут многое предложить в этой области. Однако в потоке проекта по науке о данных некоторые задачи будут более эффективными, если вы используете R для их выполнения, и наоборот.
Написание и понимание кода, написанного на обоих языках, - полезный навык для любого специалиста по данным. Следующая книга в этом списке позволяет вам изучать и использовать как R, так и Python параллельно, что сэкономит вам много времени и усилий, если вы решили изучить их независимо.
Эта 216-страничная книга проведет вас через изучение обоих языков программирования, уделяя особое внимание науке о данных, а не абстрактному и общему синтаксису. Вы узнаете, как выполнять статистику, оптимизировать, строить прогнозные модели и многое другое на обоих языках одновременно.
№4: Руководство по анализу данных для начинающих от Hosea Droski
Как я всегда говорю, наука о данных - это все о данных, и одним из важных шагов в любом проекте по науке о данных является сбор данных и аналитика. Руководство по анализу данных для начинающих нацелено на то, чтобы научить вас брать необработанные данные, собранные из разных источников, и извлекать из них полезную информацию.
Аналитика данных - критически важный процесс для вашего проекта, позволяющий делать правильные прогнозы и помогать вашему клиенту или бизнесу принимать правильные решения. Эта книга научит всем основам аналитики данных, от интеллектуального анализа данных до работы с большими данными и визуализации результатов.
Кроме того, книги охватывают важный аспект сбора данных, такой как парсинг веб-страниц и использование машинного обучения для сбора данных и формирования альтернативных наборов данных. Наконец, в книге содержится более 124 страниц, посвященных управлению данными и бизнес-аналитике.
№5: Линейная алгебра и оптимизация для машинного обучения Автор Charu C. Aggarwal
Одна из вещей, которая может оттолкнуть людей от науки о данных, - это тот факт, что она построена на фундаментальной алгебре и концепциях вероятности. Страх перед математикой реален, и именно поэтому многие люди говорили мне, что они не хотят становиться специалистами по данным, потому что математика слишком сложна.
Но математика является основным двигателем практически всех областей техники, а не только науки о данных. Одно из основных применений математики, точнее линейной алгебры, - это оптимизация моделей машинного обучения. Линейная алгебра и оптимизация для машинного обучения охватывает всю линейную алгебру, необходимую для эффективной оптимизации моделей машинного обучения.
В этой книге подробно рассказывается о применении линейной алгебры в оптимизации машинного обучения. В нем рассказывается, как выполнять многие важные приложения, такие как разложение по сингулярным значениям (SVD), анализ графов, факторизация матриц и многое другое. В нем также рассказывается, почему модели машинного обучения нуждаются в оптимизации, а также когда и как это делать. Эта книга - самая длинная в нашем списке - почти 500 страниц.
Выводы
Когда я только начал учиться в аспирантуре, у моего научного руководителя была самая большая коллекция книг, которую я когда-либо видел в одной комнате. Книги были не только на полках, но и везде. Фактически, он нашел способ использовать книги, чтобы сохранить уединение за своим столом. Книги образовали нечто вроде лабиринта от двери до его стула.
Я помню, как однажды спросил его, почему вы не дарите старые книги или просто пользуетесь электронными. Он сказал, что для меня книги - это не просто способ изучения темы; это о познании новой личности. Вы как будто хотите заглянуть в сознание автора.
Когда я рос, книги - как печатные, так и электронные - были одной из главных постоянных в моей жизни. Я по-прежнему доверяю информации, получаемой при чтении книги, больше, чем информации, получаемой любым другим способом. Сегодня я перечислил 5 книг, которые, на мой взгляд, являются очень многообещающими, новыми книгами по науке о данных, которые, я считаю, должен прочитать каждый.
