Opinie czytelników
Podsumowanie:Książka jest postrzegana jako dobre źródło wprowadzające dla początkujących w Pythonie i nauce o danych, wyjaśniając krok po kroku pojęcia takie jak sieci neuronowe. Brakuje jej jednak głębi i szczegółowości, często pojawia się jako zbyt ogólna lub prosta lista terminów, a niektórzy czytelnicy uznali ją za niewystarczająco pouczającą.
Zalety:Zapewnia dobry przegląd dla początkujących, dobrze wyjaśnione, dyskusje krok po kroku, pomocne przykłady sieci neuronowych i dobre jako punkt wyjścia do nauki nauki o danych.
Wady:Brakuje szczegółów i głębi, zawiera niechlujną korektę, jest zbyt ogólna, nie jest praktycznym przewodnikiem, a niektóre części stają się niepotrzebnie skomplikowane.
(na podstawie 12 opinii czytelników)
Oryginalny tytuł:
Data Science From Scratch: The #1 Data Science Guide For Everything A Data Scientist Needs To Know: Python, Linear Algebra, Statistics, Coding, A
Zawartość książki:
Potęga Data Science
Jeśli chcesz rozpocząć nową karierę, na którą jest duże zapotrzebowanie, musisz kontynuować czytanie.
Naukowcy zajmujący się danymi zmieniają sposób, w jaki duże zbiory danych są wykorzystywane w różnych instytucjach.
Duże zbiory danych są wszędzie, ale bez odpowiedniej osoby, która je zinterpretuje, nic nie znaczą.
Gdzie więc firmy mogą znaleźć takie osoby, które pomogą zmienić ich działalność?
Ty możesz być taką osobą.
Stało się powszechną prawdą, że firmy są pełne danych.
Dzięki wykorzystaniu dużych zbiorów danych amerykańska służba zdrowia mogłaby zmniejszyć swoje wydatki na opiekę zdrowotną o 300 do 450 miliardów dolarów.
Łatwo zauważyć, że wartość dużych zbiorów danych leży w ich analizie i przetwarzaniu, i tu właśnie wkracza nauka o danych.
Data Science from Scratch zawiera:
⬤ dogłębne informacje na temat tego, czym jest nauka o danych i dlaczego jest ważna.
⬤ Warunki wstępne potrzebne do rozpoczęcia nauki o danych.
⬤ Co to znaczy być naukowcem zajmującym się danymi.
⬤ Rola hakowania i kodowania w nauce o danych.
⬤ Różne języki kodowania, które mogą być używane w nauce o danych.
⬤ Dlaczego Python jest tak ważny.
⬤ Jak korzystać z algebry liniowej i statystyki.
⬤ Różne zastosowania nauki o danych.
⬤ Jak pracować z danymi poprzez odgrzybianie, czyszczenie i nie tylko.
I wiele więcej.
Wykorzystanie nauki o danych stanowi dużą wartość dodaną dla firm i nadal będziemy obserwować rosnące zapotrzebowanie na naukowców zajmujących się danymi.
Wraz ze zmianami zachodzącymi w firmach i Internecie, zmieniać się będzie również nauka o danych. Oznacza to, że ważne jest, aby być elastycznym.
Skoro nauka o danych może obniżyć koszty wydatków o miliardy dolarów w branży opieki zdrowotnej, to po co czekać?
Jeśli chcesz rozpocząć nową, stale rozwijającą się karierę, nie czekaj dłużej i zdobądź tę książkę już dziś.
