Opinie czytelników
Podsumowanie:Książka służy jako przegląd różnych narzędzi do analizy danych, ale brakuje jej głębi i przejrzystości. Może być odpowiednia dla początkujących, ale nie dla tych, którzy chcą uzyskać kompleksowe zrozumienie lub praktyczne umiejętności.
Zalety:Może być odpowiednia dla osób niebędących praktykami danych, szukających ogólnego pojęcia o narzędziach; obejmuje szereg tematów.
Wady:⬤ Mierna szczegółowość rozdziałów
⬤ słabe formatowanie
⬤ powierzchowne potraktowanie R i Pythona
⬤ brak ważnych treści, takich jak omówienie R Studio
⬤ wątpliwe przykłady, które lekceważą zwykłe konwencje.
(na podstawie 1 opinii czytelników)
Oryginalny tytuł:
Introduction to Data Mining and Analytics
Zawartość książki:
Data Mining and Analytics zapewnia szeroki i interaktywny przegląd szybko rozwijającej się dziedziny. Gwałtownie rosnące tempo generowania danych stwarza odpowiednie zapotrzebowanie na profesjonalistów, którzy mogą skutecznie obsługiwać ich przechowywanie, analizę i tłumaczenie. Dzięki podwójnemu naciskowi na koncepcje i operacje, tekst ten zawiera kompletne instrukcje i jest doskonałym źródłem informacji dla każdego, kto rozważa tę dziedzinę.
Aby w pełni wykorzystać ten zasób, nie jest konieczne doświadczenie w programowaniu. Studia przypadków i ćwiczenia praktyczne obejmują rzeczywiste zbiory danych i umożliwiają studentom ćwiczenie nowych umiejętności. Nasz Cloud Desktop integruje popularne narzędzia do eksploracji danych, dając studentom cenną znajomość standardowych aplikacji branżowych.
Po zdefiniowaniu pojęć eksploracji danych i uczenia maszynowego, Data Mining and Analytics zagłębia się w rodzaje baz danych, ich znaczenie i popularność oraz trendy, które wpływają na ich wykorzystanie. Badane jest znaczenie wizualizacji danych dla celów komunikacyjnych, a także procesy oczyszczania danych, grupowania i klasyfikacji. Excel, SQL, NoSQL, Python i programowanie w języku R otrzymują dogłębne traktowanie, uzupełnione praktycznymi ćwiczeniami. Operacje omówione we wcześniejszych rozdziałach zyskują rzeczywisty kontekst dzięki praktycznemu zastosowaniu w bieżących kwestiach "dużych zbiorów danych" oraz eksploracji danych tekstowych i graficznych. Tekst kończy się opisem kroków analityka od planowania do wykonania, zapewniając, że czytelnicy zdobędą wiedzę techniczną potrzebną do uruchomienia, prowadzenia lub wspierania projektu danych w miejscu pracy.
