Ciencia de datos: ciencia de datos que surgi贸 en la intersecci贸n de varias 谩reas amplias: programaci贸n, matem谩ticas y aprendizaje autom谩tico. Esto se debe al alto umbral para ingresar a la profesi贸n y la necesidad de recibir constantemente nuevos conocimientos.
Las habilidades clave para principiantes son:
- capacidad de escribir c贸digo (Python);
- capacidad de visualizar sus resultados;
- comprensi贸n de lo que est谩 sucediendo "bajo el cap贸".
Los libros que los especialistas de Plarium Krasnodar seleccionaron para lectores con conocimientos iniciales en Data Science se dividen en estas tres categor铆as.
Pit贸n
Algunas personas se buscan a s铆 mismas en R, pero el camino de la verdad se encuentra en Python. Los siguientes libros son una excelente opci贸n para estudiar.
Trucos de Python: El libro
Dan BaderEl libro trata sobre varios trucos y utilidades que ayudan a ser m谩s productivos y a programar mejor.
Estamos hablando de los tipos de datos b谩sicos del lenguaje Python y los enfoques para escribir c贸digo, desde OOP hasta trabajar con dependencias. Vale la pena leerlo tanto para principiantes como para cualquiera que quiera refrescar su memoria con dise帽os pit贸nicos t铆picos.
Python de alto rendimiento: programaci贸n de rendimiento pr谩ctica para humanos
Micha Gorelick, Ian OzsvaldEl libro describe el lenguaje internamente. Proporciona explicaciones del trabajo del int茅rprete y la mec谩nica del c贸digo, los principales tipos de datos y c贸mo interact煤an con la memoria. Esta gu铆a tambi茅n lo ayudar谩 a comprender c贸mo aprovechar las caracter铆sticas ocultas de Python.
Visualizaci贸n
Cada cient铆fico de datos una vez enfrenta la necesidad de presentar el resultado de su trabajo. Y como saben, no hay mejor manera que la visualizaci贸n de alta calidad. Aqu铆 es donde surgen elegantes gr谩ficos circulares ...
Storytelling with Data: una gu铆a de visualizaci贸n de datos para profesionales de negocios
Cole nussbaumer knaflicUn libro maravilloso sobre c贸mo visualizar sus resultados de manera de calidad. En 茅l, el ex-googler describe en detalle todas las etapas de la creaci贸n de los gr谩ficos correctos y da contraejemplos.
Tambi茅n puede visitar el sitio del autor, que recopil贸 una gran cantidad de opciones para presentar datos de los mejores especialistas. Por supuesto, las instrucciones paso a paso para crear un trabajo perfecto no se pueden encontrar aqu铆, 隆y d贸nde lo encontrar谩!
El gran libro de paneles. Visualizando sus datos usando escenarios de negocios del mundo real
Steve Wexler, Jeffrey Shaffer, Andy CotgreaveLa visualizaci贸n de datos es un trabajo minucioso, pero cuando sabes c贸mo debe ser el ideal, entiendes por lo que debes esforzarte.
Esta es una excelente selecci贸n de paneles para todas las ocasiones, en las que se recomiendan soluciones para casi cualquier tarea empresarial. Desafortunadamente, no se dice nada acerca de la implementaci贸n en Tableau: solo los componentes visuales y una explicaci贸n de c贸mo es mejor y por qu茅 es mejor.
Algoritmos de ML
Esta es el 谩rea donde es relativamente f谩cil entender lo que hacen los algoritmos, pero es muy dif铆cil lograr el dominio.
Aprendizaje autom谩tico pr谩ctico con Scikit-Learn y Tensor Flow: conceptos, herramientas y t茅cnicas para construir sistemas inteligentes
Aur茅lien g茅ronEl libro se puede recomendar con seguridad a cualquiera que quiera comprender c贸mo se construyen los modelos, desde lineal hasta 谩rboles. En la primera parte, los principios del funcionamiento de los algoritmos se describen en un lenguaje accesible. Ser谩 especialmente 煤til para aquellos que reci茅n ingresan a la profesi贸n. La segunda parte est谩 dedicada a TensorFlow.
Aprendizaje profundo Inmersi贸n en el mundo de las redes neuronales.
S. Nikolenko, A. Kadurin, E. ArkhangelskayaCasi toda la literatura de TI en el mundo moderno se publica en ingl茅s, y el campo de la ciencia de datos no es una excepci贸n. Incluso hay una expresi贸n: 鈥淨uiero ser programador, 驴qu茅 idioma aprender? Aprende ingl茅s primero ".
Este es el 煤nico libro valioso sobre aprendizaje profundo y redes neuronales escrito por autores rusos en ruso. Adem谩s, es muy expresivo, con un mont贸n de ejemplos, varias historias de la ciencia y referencias a fuentes (una lista de literatura en este trabajo es m谩s 煤til que muchas publicaciones).
Los elementos del aprendizaje estad铆stico: miner铆a de datos, inferencia y predicci贸n, segunda edici贸n
Trevor Hastie, Robert Tibshirani, Jerome FriedmanSolo una lectura obligada en cualquier colecci贸n de Data Science. Trabajo fundamental sobre algoritmos de aprendizaje autom谩tico que se pueden utilizar como manual. Requiere un poco de preparaci贸n, adecuada para un nivel avanzado.
Opcional
Fundamentos estad铆sticos sucintamente
Katharine Alexis KormanikEn la serie Succinctly, a menudo se encuentran perlas, y esta es una de ellas. Al comienzo del libro se encuentran las definiciones b谩sicas con im谩genes y comentarios, y el resto est谩 dedicado a la importancia de las pruebas (pruebas T y Z).
Un lenguaje accesible y un m铆nimo de matem谩ticas (la cantidad necesaria para comprender) hacen de este manual una excelente introducci贸n a las estad铆sticas desde un punto de vista pr谩ctico.
Trabajo profundo: Reglas para el 茅xito enfocado en un mundo distra铆do
Cal Newport
El autor habla sobre su experiencia y la experiencia de sus colegas cuando trabajan en una tarea con la m谩xima concentraci贸n. El libro se lee con bastante facilidad y consiste en una descripci贸n del enfoque en s铆 mismo, varios ejemplos y reglas.
La idea principal es que tal estado del cerebro nos permite lograr el m谩ximo rendimiento y llevar los resultados a un nivel completamente nuevo. El l铆mite del cerebro, desafortunadamente, es limitado, pero entrenamos. Recomendamos a todos que lo lean.