Data science od podstaw

• Verfasst von: Grus, Joel [VerfasserIn]
• Verfasst von: Bombik, Wojciech [VerfasserIn]
• Titel: Data science od podstaw
• Titelzusatz: analiza danych w Pythonie
• Werktitel: Data science from scratch
• Verf.angabe: Joel Grus ; tłumaczenie, Wojciech Bombik
• Ausgabe: Wydanie II.
• Verlagsort: Gliwice
• Verlag: Helion
• E-Jahr: 2022
• Jahr: [2022]
• Umfang: 1 online resource (352 pages)
• Illustrationen: illustrations
• Fussnoten: Includes bibliographical references and index
• ISBN: 978-83-8322-132-8
• ISBN: 83-8322-132-0
• Datenträger: Online-Ressource
• Sprache: pol
• K10plus-PPN: 1850983593
• K10plus-PPN:
  Universitätsbibliothek
• Lokale URL UB: Zum Volltext
• Lokale URL UB: Bibliothek der Medizinischen Fakultät Mannheim der Universität Heidelberg
• Bibliothek/Idn: UW / m4343645258
• Lokale URL Inst.: Zum Volltext

Abstract

Analityka danych jest uważana za wyjątkowo obiecującą dziedzinę wiedzy. Rozwija się błyskawicznie i znajduje coraz to nowsze zastosowania. Profesjonaliści biegli w eksploracji danych i wydobywaniu z nich pożytecznych informacji mogą liczyć na interesującą pracę i bardzo atrakcyjne warunki zatrudnienia. Jednak aby zostać analitykiem danych, trzeba znać matematykę i statystykę, a także nauczyć się programowania. Umiejętności w zakresie uczenia maszynowego i uczenia głębokiego również są ważne. W przypadku tak specyficznej dziedziny, jaką jest nauka o danych, szczególnie istotne jest zdobycie gruntownych podstaw i dogłębne ich zrozumienie. W tym przewodniku opisano zagadnienia związane z podstawami nauki o danych. Wyjaśniono niezbędne elementy matematyki i statystyki. Przedstawiono także techniki budowy potrzebnych narzędzi i sposoby działania najistotniejszych algorytmów. Książka została skonstruowana tak, aby poszczególne implementacje były jak najbardziej przejrzyste i zrozumiałe. Zamieszczone tu przykłady napisano w Pythonie: jest to język dość łatwy do nauki, a pracę na danych ułatwia szereg przydatnych bibliotek Pythona. W drugim wydaniu znalazły się nowe tematy, takie jak uczenie głębokie, statystyka i przetwarzanie ję̨zyka naturalnego, a także działania na ogromnych zbiorach danych. Zagadnienia te często pojawiają się w pracy współczesnego analityka danych.