Science des données: livres d'entrée de gamme

Science des données - science des données née à l'intersection de plusieurs grands domaines: programmation, mathématiques et apprentissage automatique. Cela est dû au seuil élevé d'entrée dans la profession et à la nécessité de recevoir constamment de nouvelles connaissances.

Les compétences clés pour les débutants sont:

• capacité à écrire du code (Python);
• capacité de visualiser vos résultats;
• comprendre ce qui se passe «sous le capot».

Les livres que les spécialistes de Plarium Krasnodar ont sélectionnés pour les lecteurs possédant des connaissances de base en science des données sont divisés en ces trois catégories.

Python

Certaines personnes se cherchent dans R, mais le chemin de la vérité passe par Python. Les livres suivants sont un excellent choix pour étudier.



Astuces Python: Le livre
Dan Bader

Le livre traite de divers trucs et utilités qui aident à devenir plus productif et à mieux programmer.

Nous parlons des types de données de base du langage Python et des approches pour écrire du code - de la POO au travail avec les dépendances. Cela vaut la peine d'être lu pour les débutants et tous ceux qui veulent rafraîchir leur mémoire avec des conceptions pythoniques typiques.



Python haute performance: programmation performante pratique pour les humains
Micha Gorelick, Ian Ozsvald

Le livre décrit la langue en interne. Il fournit des explications sur le travail de l'interprète et la mécanique du code, les principaux types de données et comment ils interagissent avec la mémoire. Ce guide vous aidera également à comprendre comment tirer parti des fonctionnalités cachées de Python.

Visualisation

Chaque Data Scientist est une fois confronté à la nécessité de présenter le résultat de son travail. Et comme vous le savez, il n'y a pas de meilleur moyen que la visualisation de haute qualité. C'est là que les camemberts fantaisistes se créent ...



Raconter des histoires avec des données: un guide de visualisation des données pour les professionnels
Cole nussbaumer knaflic

Un merveilleux livre sur la façon de visualiser vos résultats de manière qualitative. L'ex-googler y décrit en détail toutes les étapes de la création des bons graphiques et donne des contre-exemples.

Vous pouvez également visiter le site de l'auteur, qui a rassemblé un grand nombre d'options pour présenter les données des meilleurs spécialistes. Bien sûr, les instructions étape par étape pour créer un travail parfait ne peuvent pas être trouvées ici - et où vous le trouverez!



Le grand livre des tableaux de bord. Visualisation de vos données à l'aide de scénarios commerciaux réels
Steve Wexler, Jeffrey Shaffer, Andy Cotgreave

La visualisation des données est un travail minutieux, mais lorsque vous savez à quoi devrait ressembler l'idéal, vous comprenez ce que vous devez viser.

Il s'agit d'une excellente sélection de tableaux de bord pour toutes les occasions, dans lesquels des solutions sont recommandées pour presque toutes les tâches commerciales. Malheureusement, rien n'est dit sur l'implémentation dans Tableau - seulement les composants visuels et une explication de la meilleure et de la meilleure raison.

Algorithmes ML

C'est le domaine où il est relativement facile de comprendre ce que font les algorithmes, mais il est très difficile d'atteindre la maîtrise.



Apprentissage automatique pratique avec Scikit-Learn et Tensor Flow: concepts, outils et techniques pour construire des systèmes intelligents
Aurélien géron

Le livre peut être recommandé en toute sécurité à tous ceux qui veulent comprendre comment les modèles sont construits - du linéaire aux arbres. Dans la première partie, les principes de fonctionnement des algorithmes sont décrits dans un langage accessible. Il sera particulièrement utile à ceux qui viennent d'entrer dans la profession. La deuxième partie est dédiée à TensorFlow.



Apprentissage profond. Immersion dans le monde des réseaux de neurones
S. Nikolenko, A. Kadurin, E. Arkhangelskaya

Presque toute la littérature informatique du monde moderne est publiée en anglais, et le domaine de la Data Science ne fait pas exception. Il y a même une expression: «Je veux devenir programmeur, quelle langue apprendre? Apprenez d'abord l'anglais. "

Ceci est le seul livre valable sur l'apprentissage profond et les réseaux de neurones écrit par des auteurs russes en russe. En outre, il est très expressif, avec un tas d'exemples, diverses histoires de la science et des références à des sources (une liste de littérature dans ce travail est plus utile que de nombreuses publications).



Les éléments de l'apprentissage statistique: exploration de données, inférence et prédiction, deuxième édition
Trevor Hastie, Robert Tibshirani, Jerome Friedman

Juste une lecture incontournable dans toute collection Data Science. Travaux fondamentaux sur les algorithmes d'apprentissage automatique pouvant être utilisés comme manuel. Nécessite une certaine préparation, adaptée à un niveau avancé.

En option

Principes fondamentaux des statistiques
Katharine Alexis Kormanik

Dans la série Succinctly, on trouve souvent des perles, et c'est l'une d'entre elles. Au début du livre sont des définitions de base avec des images et des commentaires, et le reste est consacré à la signification des tests (tests T et Z).

Une langue accessible et un minimum de mathématiques (la quantité nécessaire pour comprendre) font de ce manuel une excellente introduction aux statistiques d'un point de vue pratique.



Travail en profondeur: règles pour un succès ciblé dans un monde distrait
Cal newport

L'auteur parle de son expérience et de celle de ses collègues lorsqu'il travaille sur une tâche avec une concentration maximale. Le livre se lit assez facilement et se compose d'une description de l'approche elle-même, de divers exemples et règles.

L'idée principale est qu'un tel état du cerveau nous permet d'atteindre des performances ultimes et d'amener les résultats à un tout nouveau niveau. La limite du cerveau, malheureusement, est limitée, mais nous nous entraînons. Nous recommandons à tout le monde de le lire.