Opinie czytelników
Podsumowanie:Książka została dobrze przyjęta przez czytelników, zwłaszcza początkujących w nauce o danych i analityce. Wielu docenia jej proste wyjaśnienia, kontekst historyczny i praktyczne zastosowania. Istnieją jednak pewne uwagi krytyczne dotyczące jej edycji i głębi dla bardziej zaawansowanych uczniów.
Zalety:⬤ Dobrze napisana i łatwa do zrozumienia
⬤ świetna dla początkujących
⬤ zapewnia dobre podstawy w nauce o danych i analityce
⬤ praktyczne przykłady i kontekst historyczny
⬤ przystępna i świetny stosunek jakości do ceny.
Wady:⬤ Słaba edycja z nadmiernym puchem
⬤ brak głębi dla zaawansowanych teorii
⬤ niektórzy czytelnicy uznali ją za zbyt uproszczoną.
(na podstawie 42 opinii czytelników)
Zawartość książki:
Podejmuj lepsze decyzje dzięki temu zdekonstruowanemu przewodnikowi po analityce danychChcesz dodać analitykę danych do swojego stosu umiejętności? Nie wiesz, od czego zacząć?
Komórka po komórce, kawałek po kawałku, ta książka uczy słownictwa, narzędzi i podstawowych algorytmów, aby myśleć jak naukowiec zajmujący się danymi. Korzystając z podejścia "zestawu Lego", każdy rozdział dodaje i łączy poszczególne bloki wiedzy, aby zbudować umiejętność korzystania z danych. Ta liniowa struktura rozpakowywania analityki danych prowadzi od zera do pewnej analizy i omawiania problemów związanych z danymi.
Dla kogo jest ta książka?
Ta książka jest idealna dla każdego, kto jest zainteresowany zrozumieniem analityki danych bez założenia, że rozumiesz terminologię nauki o danych lub zaawansowaną matematykę. Jeśli próbowałeś wcześniej nauczyć się analityki danych i nie udało ci się, ta książka jest dla ciebie.
Praktyczne podejście
Ta książka przyjmuje praktyczne podejście do nauki. Obejmuje to praktyczne przykłady, przykłady wizualne, a także dwa dodatkowe ćwiczenia kodowania w Pythonie, w tym bezpłatne materiały wideo, które przeprowadzą Cię przez oba ćwiczenia. Pod koniec książki będziesz miał praktyczną wiedzę, aby poradzić sobie z rzeczywistymi problemami związanymi z danymi w swojej organizacji lub w życiu codziennym.
Czego się nauczysz
- Jak rozpoznać popularne typy danych, które każdy analityk danych musi opanować.
- Gdzie przechowywać dane, w tym Big Data.
- Nowe trendy w analityce danych, w tym czym są dane alternatywne i dlaczego niewiele osób o nich wie!
- Jak wyjaśnić współpracownikom różnicę między Data Mining, Machine Learning i Analytics?
- Kiedy i jak stosować analizę regresji, klasyfikację, klastrowanie, analizę asocjacji i przetwarzanie języka naturalnego?
- Jak podejmować lepsze decyzje biznesowe przy użyciu Wizualizacji danych i Business Intelligence?
