Tehdy, v roce 2010, měli weboví designéři a programátoři luxusní pracovní pozice a byli placeni docela dobře. Ale s dobou internetu se věci změnily.
V této moderní éře 21. století se zaznamenává vaše historie procházení, ukládají se vaše e-mailová data a není divu, že vidím, jak moje historie sledování na youtube přímo ovlivňuje moje doporučení na Instagramu, což mě vede k tomu, že trávím více času rolováním. To vše dokazuje, že nyní je věk datové vědy.
Vzhledem k tomu, že každý den uvolňujeme na internet tuny dat, rozhodně potřebujeme více datových vědců a inženýrů ML, kteří dokážou odemknout plný potenciál těchto dat a učinit naše životy ještě bezproblémovějšími.
Sběr dat a jejich přeměna na proveditelná rozhodnutí je něco, co dnešní svět vyžaduje. Pokud se rozhodnete přizpůsobit se této rostoucí poptávce a chcete se stát datovým profesionálem, čtěte dále a najděte některé z nejlepších knih o datové vědě.
Table of Contents
Proč knihy, když je internet záplavou zdrojů?
Dá se s jistotou říci, že online zdroje jsou efektivnější než knihy, ale ne vždy to platí, protože čtenáři knih v tomto digitálním světě ještě nevymřeli.
Čtení knih a online kurzy jsou dva různé světy a nelze je srovnávat. S některými výhodami čtení knih přes internetové zdroje zde ale můžeme počítat.
Osvojte si předmět: Pokud máte v pořádku obecné nebo praktické informace o nějakém konceptu, pak je vyhledávání online v pořádku, ale pokud se chcete do tématu ponořit hlouběji, od jeho historie až po odvozeniny, pak kniha plyne dobře.
Získejte skutečný smysl: Knihy jsou skutečné! Bez ohledu na to, kolik virtuálních schůzek navštívíte, nikdy nemůžete zachytit kouzlo osobního setkání. Zkuste tedy držet knihu a číst, ucítíte váhu stránek, vůni inkoustu a všimnete si, že nad slovy plynou konečky prstů. Konečně se vám to bude líbit.
Méně rozptýlení: Vím, že jste na internetu, abyste se něco naučili, ale před vámi se objevil clickbait s vaším oblíbeným televizním pořadem a vy jste na něj klikli. Než sis uvědomil, že ztrácíš čas, bylo už pozdě. U knih tomu tak není. Čtete je tak dlouho, dokud se nebudete nudit; žádný jiný způsob, jak tě rozptýlit.
Přesnost: Knihy před publikováním procházejí několika kontrolami faktů a editačními testy, takže jsou přesnější a spolehlivější.
Autorita: Knihy jsou obecně psány odbornými profesory a výzkumníky v oboru, zatímco internetové zdroje může vytvářet kdokoli. Mnohým knihám tedy můžete slepě věřit.
Zde je seznam nejlepších knih o datové vědě, které vám pomohou vyniknout ve vaší kariéře v oblasti datové vědy.
Úvod do pravděpodobnosti
Vyberte si toto, pokud se rozhodnete nebýt průměrným datovým vědcem, ale raději si v této oblasti označit své jméno, protože tato kniha Úvod do pravděpodobnosti pokrývá podrobné a pokročilé pravděpodobnostní koncepty, které potřebuje každý výzkumník dat.
Kromě probraných pojmů obsahuje kniha také mnoho a mnoho problémů s pravděpodobností s čistou matematikou. Na webu vydavatele navíc zdarma najdete podrobná řešení všech cvičení na konci kapitol.
Každopádně tuto knihu nedoporučuji někomu, kdo začíná svou kariéru v datové vědě nebo matematice. Abyste se s touto knihou naučili pravděpodobnosti, potřebujete silný základ v kombinatorice nebo dobré základy matematiky.
Ale když máte slušné matematické základy, pak je to vynikající volba, pokud uvažujete o plném využití plodů pravděpodobnosti učení ve své kariéře Data Science.
Data Science Handbook
Příručka Data Science Handbook z vás má udělat jedinečného datového vědce se znalostmi v oblasti datové vědy, programování a obchodního porozumění. S touto knihou získáte zkušenost s rychlým kurzem, ale v psané podobě.
Kniha je napsána srozumitelnou angličtinou, což se dobře hodí, pokud s datovou vědou začínáte.
Kromě toho, že se kniha zabývá klasickými koncepty a algoritmy ML, dotýká se také postupů softwarového inženýrství, počítačové paměti, datových struktur a databází.
Kapitoly o základních technologiích, jako je Python, Big data, dokazují, že tato kniha je na technologické straně pro datové vědce a inženýry ML, kteří řeší skutečné průmyslové problémy, spíše než se zaměřují na výzkumníky dat, kteří pracují na vydávání svého dalšího časopisu.
Navrhování datově náročných aplikací
Tato kniha není jen pro datové vědce nebo analytiky. Zahrnuje vše, co potřebuje softwarový inženýr navrhující škálovatelné aplikace v reálném světě, softwarový architekt zkoumající datově náročné aplikace nebo datový inženýr zpracovávající velký objem dat k plnému využití dat v moderních aplikacích.
Napsal Martin Kleppmann, výzkumník v oblasti distribuovaných systémů a bezpečnosti na University of Cambridge.
Kniha se zabývá datovými modely, získáváním úložiště, kódováním dat, dělením, dávkovým a proudovým zpracováním a mnoha základními koncepty budování datově náročných moderních aplikací.
Pokud pro vás platí některá z následujících skutečností, pak je tato kniha ideální volbou, jak rozšířit své dovednosti.
- Jak nejlépe aplikovat správné nástroje k řešení daného problému.
- Chcete budovat škálovatelné datové systémy?
- Optimalizujte výkon svých datově náročných aplikací v produkci.
- Zvyšte flexibilitu, aby se vaše aplikace mohly snadno přizpůsobit jakékoli nové technologii
Nahá statistika
Charles Wheelan nám v Naked Statistics ukazuje, jak informativní data a správné statistické nástroje mohou pomoci při vytváření úžasných doporučovacích systémů, které navrhnou další produkt, který můžete přidat do košíku, nebo přesných predikčních systémů, které vám pomohou při nákupu a prodeji akcií.
Cílem knihy je vycvičit vaši mysl, aby intuitivně odvodila statistickou analýzu z informací, které máte. Témata jako popisná statistika, inference, korelace a regresní analýza v textu vám toho pomohou dosáhnout.
Nejlepší na tom je kniha Nahá statistika vás naučí matematiku jako příběh.
Bayesovské metody pro hackery
Pokud se chcete naučit pravděpodobnostní programování z Bayesovského úhlu pohledu, pak je tato kniha vše, co potřebujete. Termín „Hackeři“ v názvu může být zavádějící, takže vezměme hackery za jednotlivce, kteří rádi zkoumají a učí se Bayesovské komplexní přístupy a metody.
Kniha začíná tím, že vás naučí bayesovské vyvozování, pak si ušpiněte ruce tím, že vytvoříte svůj první bayesovský model pomocí pozdějšího kontextu v textu.
Obsahuje praktická cvičení a implementace kódu pro aplikaci bayesovských technik na problémy reálného světa. Uvidíte implementaci Bayesian v různých odvětvích, jako jsou finance a marketing.
Kromě toho je tato kniha obzvláště zajímavá, pokud se zabýváte nástroji Pythonu, jako jsou NumPy, SciPy a Matplotlib, a máte-li programátorské zázemí.
Hands-On ML se Scikit-Learn
V dnešní době je kdokoli s malými zkušenostmi s programováním nebo vůbec žádným programováním schopen vytvořit inteligentní systémy, které se mohou učit z dat a rozhodovat se. Chcete také vědět jak?
Aurélien Géron, autor této nejlepší knihy o datové vědě, vás naučí, jak můžete vytvořit inteligentní systém ML pomocí dvou Python plug-and-play frameworků – Scikit-learn a TensorFlow.
Tato praktická kniha o strojovém učení vám ukáže, jak můžete vytvořit ucelené systémy strojového učení s využitím plného potenciálu sci-kit Learn a přitom z vaší strany vyžadovat minimální kódování. Také získáte praktické zkušenosti s tréninkem, sestavováním a škálováním modelů neuronové sítě TensorFlow.
Je psána přátelským tónem a věřte mi, nikdy jsem nečekal, že kniha ML bude tak pohodová, s méně důležitými matematickými odvozeninami a zajímavějšími aspekty ML.
Hluboké učení s Pythonem
Je běžné, že hluboké učení najdete jako sekci nebo kapitolu v mnoha knihách o strojovém učení a datové vědě. Měli byste však poznamenat, že obě oblasti jsou svým vlastním způsobem rozsáhlá témata.
Účelem tohoto Deep Learning with Python od Françoise Cholleta je pomoci vám specializovat se výhradně na základní předměty hlubokého učení.
Kniha obsahuje prognózy časových řad, klasifikaci textu, generování obrázků a mnoho pokročilejších konceptů hlubokého učení.
Všechny kódy v knize jsou připraveny ke spuštění a volně ke stažení. Není překvapením, že autor této knihy a tvůrce Keras jsou stejná osoba.
Kniha je tedy dokonalou směsí stručného psaní, odborného autora a spustitelného kódu.
Velká data: revoluce
Nudí vás kódování a technické záležitosti ve strojovém učení a chcete se hlouběji ponořit do skutečného dopadu dat v dnešním světě?
Pak se můžete pustit do této knihy velkých dat, kterou napsal Viktor Mayer-Schönberger, profesor Internet Governance and Regulation na oddělení Oxford Internet Institute na Oxfordské univerzitě.
Kniha začíná tím, jak průmyslová odvětví, včetně vlády, shromažďují data o všem a jak je využívají. Poté přechází k diskusi o ochraně osobních údajů a rizicích s tím spojených. Konečně poskytuje uzavření s budoucími možnostmi a omezeními velkých dat.
Praktická analýza dat s pandami
Kdokoli může importovat knihovnu a volat funkci, ale vymýšlení postřehů z nezpracovaných dat nebo zobrazování záhadných výsledků v jednoduchých vizuálech je to, co Data Scientists odlišuje. Nemluvě o tom, že Pandas je první nástroj, který byste měli znát k provádění takto intuitivních úkolů.
Ať už jste začátečník nebo zkušený datový průvodce, tato praktická analýza dat pomocí knihy Pandas ukazuje každý trik, který potřebujete k prozkoumání, analýze a manipulaci s daty pomocí Pandas. Naučíte se shrnout statistiky v průzkumné analýze dat a najít vzory pomocí jasných vizualizací.
Při práci na cvičeních v závěrečné kapitole si postupně vyvinete dovednosti pro práci s reálnými daty ve vaší profesionální práci. Ke všem souborům a kódům v této knize máte přístup na GitHubu.
Praktická datová věda s Pythonem
Autor Nathan George začíná tuto nejlepší praktickou knihu vědy o datech programováním v Pythonu a poté vás vezme k hlavním konceptům vědy o datech a zakóduje je v Pythonu. Provede vás každou fází datové vědy, od analýzy dat po testování výkonu.
Implementace kódu v knize jsou rozděleny na menší a lépe stravitelné kousky, které pro vás vytvářejí konverzační tón. Ještě důležitější je, že ke každému kódu v této knize máte na GitHubu bezplatný přístup.
Pandy, SciPy a sci-kit-learn jsou hlavní knihovny a rámce Pythonu, které budete v knize používat.
R Programování pro datovou vědu
Po Pythonu získává R na síle v prozkoumávání pokročilých statistik komplexních dat. Takže jsem tu s dalším textovým doporučením, pokud chcete vstoupit do Data Science pomocí R.
R programování pro Data Science je oficiálně dostupné online zdarma. Věřte mi, otevřete ji buď v Edge, nebo ve své oblíbené čtečce PDF, a nenajdete absolutně žádný rozdíl mezi její online kopií a slavnou edicí v pevné vazbě.
Tato kniha není pro vás, abyste se naučili datovou vědu nebo techniky ML. Je však napsán výhradně Rogerem D. Pengem, profesorem biostatistiky na Johns Hopkins Bloomberg School of Public Health, aby vás vybavil programováním R, nástrojem pro práci s jakýmkoli zdrojem dat.
Na konci knihy byste měli být schopni pohodlně používat R objekty, R balíčky, funkce a regulární výrazy pro manipulaci a analýzu dat.
Zabalit se
Toto je jeden z nejlepších seznamů na internetu, kde najdete dokonalé knihy, které posunou vaše datové dovednosti na další úroveň. Data Science je rozsáhlá doména. Zahrnul jsem tedy některé specializované knihy v každé oblasti, jako je strojové učení, Python, analýza dat a programování R, spolu s několika celkově nejlepšími knihami o datové vědě.
Dále prozkoumejte tyto nástroje datové vědy, které by vám také měly pomoci stát se lepším datovým vědcem.