Поиск книг по лучшей цене!

Актуальная информация о наличии книг в крупных интернет-магазинах и сравнение цен.


  • Благирев Алексей Павлович, Хапаева Наталья. Big Data простым языком
    Big Data простым языком
    Благирев Алексей Павлович, Хапаева Наталья
    Наш телефон знает о нас больше, чем мы думаем. Он умеет собирать и анализировать информацию о том, как мы передвигаемся по городу, какие посты лайкаем и какими приложениями пользуемся. Он сообщит о пробках и поторопит на работу, чтобы мы не опоздали; подберет музыку под наше настроение и составит список персональных рекомендаций, чем можно занять себя в течение дня. Телефон - больше не устройство, по которому звонят, это уже средство управления окружающим нас миром. Незаметно мы окружили себя такими интерфейсами, которые создают невидимый барьер между человеком и окружающей средой. Планирование, управление, коммуникация, все теперь строится через эти программы и девайсы. Даже человеческие отношения. Но насколько глубока кроличья нора? Каждому предстоит разобраться в этом самому. Эта книга поможет донести основные принципы проектирования и создания таких интерфейсов управления бизнесом, обществом и окружающим нас миром посредством Больших данных. Читайте, наслаждайтесь и помните: сожжение книг противозаконно.
  • Вайгенд Андреас. BIG DATA. Вся технология в одной книге
    BIG DATA. Вся технология в одной книге
    Вайгенд Андреас
    Революция социальных данных делает измеримыми вещи, которые не измерялись или не могли быть измерены прежде. В прошлом мы имели все основания утверждать, что не имеем информации или инструментария для описания и анализа возможностей выбора, который стоит перед обществом. Теперь это не так. Мы можем точно представлять себе и выбор, и его последствия. Чем больше личной информации о нас накапливается в базах данных компаний, тем в большей степени мы существуем, и тем больше узнаем о самих себе. Реальная проблема в том, чтобы сделать компании, собирающие личные данные, прозрачными для нас в той же степени, в какой мы прозрачны для них, и обеспечить себе право голоса в вопросах использования этих данных. В этой книге рассказывается о том, как достичь этих целей. Андреас Вайгенд - директор компании Social Data Lab, ex-руководитель по Big Data компании Amazon, лектор школы информационных технологий Калифорнийского университета Беркли. Технологии монетизации больших данных от гигантов рынка - Google, Microsoft, Uber, Twitter, Amazon, Facebook, Netflix и WhatsApp. Вы узнаете, как с помощью Big Data инновационные компании: - следят за поведением пользователей - определяют круг интересов человека - управляют репутацией - формируют мнение потребителей Андреас Вайгенд - один из ведущих мировых экспертов по будущему Big Data, директор компании Social Data Lab и лектор IT- школы Калифорнийского университета Беркли. Разрабатывал стратегию больших данных компаний Alibaba, Goldman Sachs, Lufthansa, Thomson Reuters, работал руководителем по Big Data компании Amazon.
  • DAMA-DMBOK. Свод знаний по управлению данными
    DAMA-DMBOK. Свод знаний по управлению данными
    Эффективное управление данными играет ключевую роль для успеха любой компании, которая оперирует массивами информации. Второе издание "Свода Знаний по управлению данными (DMBOK2)" организации DAMA International - всеобъемлющий авторитетный справочник, написанный ведущими аналитиками и тщательно отредактированный членами DAMA. Главная задача книги - определить набор руководящих принципов и описать их применение в функциональных областях управления данными. Издание всесторонне описывает проблемы, возникающие в процессе управления данными, и предлагает способы их решения. В нем подробно описаны широко принятые практики, методы и приемы, функции, роли, результаты и метрики. "DAMA-DMBOK: Свод знаний по управлению данными. Второе издание" предоставляет специалистам по управлению данными, ИТ-специалистам, руководителям, преподавателям и исследователям обширный материал для совершенствования информационной инфраструктуры. Задачи "DAMA-DMBOK2": - Выработка общепринятого согласованного представления об областях знаний по управлению данными (выделено 11 таких областей); - Определение руководящих принципов управления данными; - Предоставление стандартных определений для наиболее часто используемых понятий (общих и по областям знаний); - Обзор общепринятых лучших практик, широко распространенных методов и методик, а также наиболее известных альтернативных подходов; - Краткий обзор общих организационных и культурных вопросов; - Уточнение границ сферы управления данными 2-е издание.
  • Рафалович Владимир. Data mining, или интеллектуальный анализ данных для занятых. Полный курс
    Data mining, или интеллектуальный анализ данных для занятых. Полный курс
    Рафалович Владимир
    Что такое информация? Как можно проанализировать данные, которые у вас есть? А если данных очень много и они требуют вычислительной мощи современных компьютеров? Какие выводы можно сделать из этого массива данных? Может - никаких, а может - это неиссякаемый источник, приносящий все новые возможности. Самое ценное, что есть у любого человека, это его знания, помноженные на опыт. Эта книга помогает занятому человеку быстро погрузиться в увлекательный мир интеллектуального анализа данных с целью извлечения полезной информации, которую можно использовать в дальнейшем, например, в бизнесе или в принятии решений. Эта деятельность по-английски называется Data mining и содержит методы, используемые самыми разными специалистами-аналитиками, исследующими медицинские, политические, экономические и другие всевозможные источники данных. Предполагается, что читатель более-менее знаком с Excel и пользуется им время от времени. Знания SQL-сервера не требуется, но полезно иметь.
  • Рассел Мэтью, Классен Михаил. Data mining. Извлечение информации из Facebook, Twitter, LinkedIn, Instagram, GitHub
    Data mining. Извлечение информации из Facebook, Twitter, LinkedIn, Instagram, GitHub
    Рассел Мэтью, Классен Михаил
    В недрах популярных социальных сетей - Twitter, Facebook, LinkedIn и Instagram - скрыты богатейшие залежи информации. Из этой книги исследователи, аналитики и разработчики узнают, как извлекать эти уникальные данные, используя код на Python, Jupyter Notebook или контейнеры Docker. Сначала вы познакомитесь с функционалом самых популярных социальных сетей (Twitter, Facebook, LinkedIn, Instagram), веб-страниц, блогов и лент, электронной почты и GitHub. Затем приступите к анализу данных на примере Twitter. Прочитайте эту книгу, чтобы - Узнать о современном ландшафте социальных сетей - Научиться использовать Docker, чтобы легко оперировать кодами, приведенными в книге; - Узнать, как адаптировать и поставлять код в открытый репозиторий GitHub; - Научиться анализировать собираемые данные с использованием возможностей Python 3; - Освоить продвинутые приемы анализа, такие как TFIDF, косинусное сходство, анализ словосочетаний, определение клика и распознавание образов; - Узнать, как создавать красивые визуализации данных с помощью Python и JavaScript. Мэтью Рассел (Matthew Russell) - директор Built Technologies, он возглавляет команду лидеров, работающую над улучшением нашего мира. Вне работы Мэтью рациональный индивидуалист, готовящийся к возможному зомби-апокалипсису. Михаил Классен (Mikhail Klassen) - главный специалист по обработке и анализу данных в Paladin AI, стартапе, занимающемуся адаптивными технологиями обучения. Он увлекается проблемами искусственного интеллекта и анализом данных. Когда Михаил не занят на работе, он любит читать и путешествовать.
  • Грас Джоэл. Data Science. Наука о данных с нуля
    Data Science. Наука о данных с нуля
    Грас Джоэл
    Книга позволяет освоить науку о данных, начав "с чистого листа". Она написана так, что способствуют погружению в Data Science аналитика, фактически не обладающего глубокими знаниями в этой прикладной дисциплине. При этом вы убедитесь, что описанные в книге программные библиотеки, платформы, модули и пакеты инструментов, предназначенные для работы в области науки о данных, великолепно справляются с задачами анализа данных. А если у вас есть способности к математике и навыки программирования, то Джоэл Грас поможет вам почувствовать себя комфортно с математическим и статистическим аппаратом, лежащим в основе науки о данных, а также с приемами алгоритмизации, которые потребуются для работы в этой области. В сегодняшнем хаотическом потоке данных скрыты ответы на многие волнующие человека вопросы. Книга познакомит с методологией, которая позволит правильно сформулировать эти вопросы и найти на них ответы. Вместе с Джоэлом Грас и его книгой: - Пройдите интенсивный курс языка Python - Изучите элементы линейной алгебры, математической статистики, теории вероятностей и их применение в науке о данных - Займитесь сбором, очисткой, нормализацией и управлением данными - Окунитесь в основы машинного обучения - Познакомьтесь с различными математическими моделями и их реализацией по методу k-ближайших соседей, наивной байесовской классификации, линейной и логистической регрессии, а также моделями на основе деревьев принятия решений, нейронных сетей и кластеризации - Освойте работу с рекомендательными системами, приемы обработки естественного языка, методы анализа социальных сетей, технологии MapReduce и баз данных "Джоэл проведет для вас экскурсию по науке о данных. В результате вы перейдете от простого любопытства к глубокому пониманию насущных алгоритмов, которые должен знать любой аналитик данных". Роит Шивапрасад, Специалист компании Amazon в области Data Science с 2014 г. Об авторе Джоэл Грас работает инженером-программистом в компании Google. До этого занимался аналитической работой в нескольких стартапах. Активно участвует в неформальных мероприятиях специалистов в области науки о данных. Всегда доступен в Tweeter по хэштегу @joelgrus.
  • Грас Джоэл. Data Science. Наука о данных с нуля
    Data Science. Наука о данных с нуля
    Грас Джоэл
    Книга позволяет изучить науку о данных (Data Science) и применить полученные знания на практике. Она содержит краткий курс языка Python, элементы линейной алгебры, статистики, теории вероятностей, методов обработки данных. Приведены основы машинного обучения. Описаны алгоритмы k ближайших соседей, наивной байесовой классификации, линейной и логистической регрессии, а также модели на основе деревьев принятия решений, нейронных сетей и кластеризации. Рассмотрены приемы обработки естественного языка, методы анализа социальных сетей, основы баз данных, SQL и MapReduce. Во втором издании примеры переписаны на Python 3.6, игрушечные наборы данных заменены на "реальные", добавлены материалы по глубокому обучению и этике данных, статистике и обработке естественного языка, рекуррентным нейронным сетям, векторным вложениям слов и разложению матриц. 2-е издание.
  • О`Нил Кэти, Шатт Рэйчел. Data Science. Инсайдерская информация для новичков. Включая язык R
    Data Science. Инсайдерская информация для новичков. Включая язык R
    О`Нил Кэти, Шатт Рэйчел
    Data Science (исследование данных) - одна из самых востребованных специализаций нашего времени. Изучение данных позволяет преобразить любую традиционную или инновационную бизнес-модель. Эта книга основана на вводном курсе по Data Science из Колумбийского университета, и начинающему специалисту-аналитику она совершенно необходима. Эта книга увлекательно и доступно рассказывает о: - Байесовском методе; - Статистических алгоритмах; - Финансовом моделировании; - Рекомендательных движках; - Визуализации данных; - MapReduce. С примерами на языках Python и R.
  • Цукалос Михалис. Golang для профи. Работа с сетью, многопоточность, структуры данных и машинное обучение с Go
    Golang для профи. Работа с сетью, многопоточность, структуры данных и машинное обучение с Go
    Цукалос Михалис
    Вам уже знакомы основы языка Go? В таком случае эта книга для вас. Михалис Цукалос продемонстрирует возможности языка, даст понятные и простые объяснения, приведет примеры и предложит эффективные паттерны программирования. Изучая нюансы Go, вы освоите типы и структуры данных языка, а также работу с пакетами, конкурентность, сетевое программирование, устройство компиляторов, оптимизацию и многое другое. Закрепить новые знания помогут материалы и упражнения в конце каждой главы. Уникальным материалом станет глава о машинном обучении на языке Go, в которой вы пройдёте от основополагающих статистических приемов до регрессии и кластеризации. Вы изучите классификацию, нейронные сети и приёмы выявления аномалий. Из прикладных разделов вы узнаете: как использовать Go с Docker и Kubernetes, Git, WebAssembly, JSON и др. 2-е издание.
  • Лакшманан Валиаппа, Тайджани Джордан. Google BigQuery. Всё о хранилищах данных, аналитике и машинном обучении
    Google BigQuery. Всё о хранилищах данных, аналитике и машинном обучении
    Лакшманан Валиаппа, Тайджани Джордан
    Вас пугает необходимость обрабатывать петабайтные наборы данных? Познакомьтесь с Google BigQuery, - системой хранения информации, которая может консолидировать данные по всему предприятию, облегчает интерактивный анализ и позволяет реализовать задачи машинного обучения. Теперь вы можете эффективно хранить, запрашивать, получать и изучать данные в одной удобной среде. Вальяппа Лакшманан и Джордан Тайджани научат вас работать в современном хранилище данных, используя все возможности масштабируемого, безсерверного публичного облака. С этой книгой вы: - Погрузитесь во внутреннее устройство BigQuery - Изучите типы данных, функции и операторы, которые поддерживает Big Query - Оптимизируете запросы и реализуете схемы повышения производительности или снижения затрат - Узнаете о GIS, time travel, DDL / DML, пользовательских функциях и сценариях SQL - Решите множество задач машинного обучения - Узнаете, как защитить данные, отслеживать работу и авторизовать пользователей.
  • Клифтон Брайан. Google Analytics для профессионалов
    Google Analytics для профессионалов
    Клифтон Брайан
    Станьте профессиональным пользователем Google Analytics с помощью полного руководства "Google Analytics для профессионалов" Брайана Клифтона! В этом, посвященном последней версии Google Analytics, третьем издании бестселлера, приведено намного большее количество советов по увеличению ROI, чем когда-либо ранее. Хотите Cтать специалистом по использованию всех мощных возможностей и отчетов Google Analytics? Измерять эффективность проводимых кампаний в реальном времени? Открыть наилучшие пути отслеживания посетителей из социальных сетей и мобильных посетителей? Оценивать влияние мультиканального маркетинга? Вы найдете ответы на эти и многие другие вопросы в данном полном практическом руководстве. Изучите новые средства Google Analytics и способы их использования. Все это позволит увеличить посещаемость вашего веб-сайта, раскрутить свой бренд и извлечь чистую прибыль. Быстро увеличивайте продуктивность с помощью нового пользовательского интерфейса и великолепных новых инструментов, таких как мультиканальные последовательности Узнайте о новых возможностях, среди которых отслеживание мобильных посетителей и посетителей из социальных сетей, а также использования встроенного видео Изучите удобные обходные пути, а также усовершенствованные приемы и тактики, которые можно применить немедленно Следуйте полезным советам и разберите реальные примеры Оптимизируйте поисковый маркетинг, монетизируйте некоммерческие сайты и отслеживайте оффлайновый маркетинг наравне с онлайновым Интегрируйте данные Google Analytics в системы и приложения от сторонних разработчиков, включая систему CRM. Об авторе Доктор философии Брайан Клифтон является всемирно признанным экспертом по Google Analytics, который консультирует глобальных клиентов по вопросам оптимизации эффективности веб-сайтов. В 2005 г. Брайан присоединился к Google Europe. В качестве бывшего лидера веб-аналитики для Google Europe, Ближнего Востока и Африки, он определял стратегию набора и создания команды специалистов по общеевропейской продукции. Он помог запустить центр индивидуальной аттестации по Google Analytics (Google Analytics Individual Qualificatio- GA IQ). Брайан регулярно принимает участие в отраслевых выставках, ведет популярный блог Measuring Success (www.advanced-web-metrics.com/blog) и является автором двух предыдущих изданий этой книги, которые используются студентами и специалистами по всему миру. 3-е издание.
  • Рашка Себастьян. Python и машинное обучение
    Python и машинное обучение
    Рашка Себастьян
    Крайне необходимое издание по новейшей предсказательной аналитике для более глубокого понимания методологии машинного обучения Использование разных машинно-обучаемых моделей для формулирования различных вопросов в отношении данных Конструирование нейронных сетей при помощи библиотек Написание красивого и лаконичного кода с оптимальным использованием созданных вами алгоритмов Встраивание машинно-обучаемой модели в веб-приложение для повышения ее общедоступности Обнаружение скрытых повторяющихся образов и структур в данных посредством кластерного анализа Организация данных с помощью эффективных методов предобработки и использование передовых практических подходов к оценке машинно-обучаемых моделей Анализ мнений для подробной интерпретации текстовых данных и информации из социальных сетей
  • Маккини Уэс. Python и анализ данных
    Python и анализ данных
    Маккини Уэс
    В данной книге рассматриваются вопросы форматирования, очистки и обработки данных на Python. Во втором издании код переписан под версию Python 3.6, добавлены сведения о последних версиях библиотек pandas, NumPy, IPython и Jupyter. Издание идеально подойдет как аналитикам, только начинающим осваивать Python, так и опытным программистам на Python, еще не знакомым с научными приложениями.
  • Рашка Себастьян, Мирджалили Вахид. Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn
    Python и машинное обучение. Машинное и глубокое обучение с использованием Python, scikit-learn
    Рашка Себастьян, Мирджалили Вахид
    Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения. Книга наполнена четкими пояснениями, визуальными представлениями, работающими примерами и детально раскрывает все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения. Третье издание книги обновлено с целью учета версии библиотеки TensorFlow 2 и последних добавлений в scikit-learn. Оно расширено для охвата двух самых современных методик машинного обучения: обучения с подкреплением и порождающих состязательных сетей. Эта книга — ваш попутчик в машинном обучении с применением Python, будь вы разработчиком приложений на языке Python, не знакомым с машинным обучением, или разработчиком, желающим углубить свои знания в современных областях. Основные темы книги Фреймворки, модели и методики, которые позволяют машинам "учиться" на основе данных Использование scikit-learn для машинного обучения и TensorFlow для глубокого обучения Применение машинного обучения для классификации изображений, смыслового анализа, создания интеллектуальных веб-приложений и многого другого Построение и обучение нейронных сетей, порождающих состязательных сетей и других моделей Реализация веб-приложений с искусственным интеллектом Выполнение очистки и подготовки данных для машинного обучения Классификация изображений с использованием глубоких сверточных нейронных сетей Рекомендуемые приемы для оценки и настройки моделей Прогнозирование непрерывных целевых результатов с использованием регрессионного анализа Обнаружение скрытых шаблонов и структуры в данных с помощью кластеризации Углубление в текстовые данные и данные социальных сетей с применением смыслового анализа Прикладное машинное обучение с прочным теоретическим фундаментом. Новое издание пересмотрено и расширено с целью охвата TensorFlow 2, порождающих состязательных сетей (GAN) и обучения с подкреплением. Книга является всеобъемлющим руководством по машинному и глубокому обучению с использованием языка Python. Она служит как пошаговым учебным пособием, так и справочником, к которому вы постоянно будете возвращаться в ходе построения систем машинного обучения. Книга наполнена четкими пояснениями, визуальными представлениями и работающими примерами, детально раскрывая все важные методики машинного обучения. В то время как некоторые книги учат вас следовать инструкциям, Рашка и Мирджалили излагают принципы, лежащие в основе машинного обучения, что позволит вам самостоятельно строить модели и приложения. Обновленное с учетом библиотеки TensorFlow 2.0 третье издание предлагает читателям ознакомиться с ее новыми средствами API-интерфейса Keras, а также с последними добавлениями в scikit-learn. Оно расширено для охвата самых современных методик обучения с подкреплением, основанных на глубоком обучении, и введения в порождающие состязательные сети. Наконец, в книге также проводится исследование подобласти обработки естественного языка (NLP), называемой смысловым анализом, что поможет вам использовать алгоритмы машинного обучения для классификации документов. Книга обсуждается в отдельном сообщении в блоге Виктора Штонда. 3-е издание.
  • Рашка Себастьян, Мирджалили Вахид. Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и Ten
    Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и Ten
    Рашка Себастьян, Мирджалили Вахид
    Машинное обучение поглощает мир программного обеспечения. Освойте и работайте с передовыми технологиями машинного обучения, нейронных сетей и глубокого обучения с помощью 2-го издания бестселлера Себастьяна Рашки. Будучи основательно обновленной с учетом самых последних технологий с открытым кодом, включая такие библиотеки, как scikit-learn, Keras и TensorFlow, эта книга предлагает практические знания и приемы, которые необходимы для создания эффективных приложений машинного и глубокого обучения на языке Python. Обладающие уникальной проницательностью и знанием дела авторы книги, Себастьян Рашка и Вахид Мирджалили, ознакомят вас с алгоритмами машинного обучения и глубокого обучения и постепенно подведут к сложным темам в анализе данных. В книге предлагается сочетание теоретических принципов машинного обучения с практическим подходом к написанию кода для полного понимания теории машинного обучения и реализация с помощью Python. Основные темы книги Освойте основные фреймворки в науке о данных, машинном обучении и глубоком обучении Задайте новые вопросы своим данным через модели машинного обучения и нейронные сети Используйте всю мощь самых последних библиотек Python с открытым кодом для машинного обучения Научитесь строить реализации глубоких нейронных сетей с применением библиотеки TensorFlow Встраивайте модели машинного обучения в доступные веб-приложения Прогнозируйте непрерывные целевые результаты с применением регрессионного анализа Раскройте скрытые шаблоны и структуры в данных с помощью кластеризации Анализируйте изображения с использованием приемов глубокого обучения Углубитесь в текстовые данные и данные из социальных сетей с применением смыслового анализа Если вы читали 1-е издание книги, то вам доставит удовольствие найти новый баланс классических идей и современных знаний в машинном обучении. Каждая глава была серьезно обновлена, и появились новые главы по ключевым технологиям. У вас будет возможность изучить и поработать с TensorFlow более вдумчиво, нежели ранее, а также получить важнейший охват библиотеки для нейронных сетей Keras наряду с самыми свежими обновлениями библиотеки scikit-learn. Об авторах Себастьян Рашка, автор ставшего бестселлером 1-го издания этой книги, обладает многолетним опытом написания кода на языке Python. Он проводил многочисленные семинары по практическому применению науки о данных, машинному обучению и глубокому обучению, включая руководство по машинному обучению на SciPy - ведущей конференции, посвященной научным расчетам с помощью Python. Несмотря на то что исследовательские проекты Себастьяна сосредоточены главным образом на решении задач в области вычислительной биологии, ему нравится писать и говорить на темы науки о данных, машинного обучения и языка Python в общем, и он стремится помочь людям разрабатывать решения, управляемые данными, без обязательного знания подоплеки машинного обучения. Недавно его работа и вклад были отмечены званием выдающегося аспиранта 2016-2017, а также наградой ACM Computing Reviews' Best of 2016. В свободное время Себастьян любит участвовать в проектах с открытым кодом, а методы, которые он реализовал, теперь успешно используются в состязаниях по машинному обучению, таких как Kaggle. Вахид Мирджалили получил звание PhD в машиностроении, работая над новаторскими методами для крупномасштабных вычислительных эмуляций молекулярных структур. В настоящее время он сосредоточил свою научно-исследовательскую работу на приложениях машинного обучения в разнообразных проектах компьютерного зрения в отделении компьютерных наук и инженерии Университета штата Мичиган. Вахид избрал Python в качестве главного языка программирования, и на протяжении своей научно-исследовательской карьеры накопил громадный опыт в написании кода Python. Он преподавал программирование на Python инженерной группе в Университете штата Мичиган, что дало ему возможность помочь студентам понять разные структуры данных и разрабатывать эффективный код на Python. Наряду с тем, что обширные исследовательские интересы Вахида сконцентрированы на приложениях глубокого обучения и компьютерного зрения, он особенно интересуется использованием приемов глубокого обучения для усиления приватности в биометрических данных, таких как изображения лиц, чтобы не раскрывалась информация сверх той, что пользователи намеревались показывать. Кроме того, он также сотрудничает с командой инженеров, работающих над беспилотными автомобилями, где проектирует модели на основе нейронных сетей для слияния многоспектральных изображений с целью обнаружения пешеходов. 2-е издание
  • Плас Дж. Вандер. Python для сложных задач. Наука о данных и машинное обучение
    Python для сложных задач. Наука о данных и машинное обучение
    Плас Дж. Вандер
    Книга "Python Data Science Handbook" - это подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: 1) как мне считать этот формат данных в мой скрипт? 2) Как преобразовать, очистить эти данные и манипулировать ими? 3) Как визуализировать данные такого типа? Как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?
  • Кравченко Альберт Иванович. Анализ и обработка социологических данных. Учебник
    Анализ и обработка социологических данных. Учебник
    Кравченко Альберт Иванович
    Основное внимание уделено количественной и качественной методологии, фундаментальному и эмпирическому исследованию, конструированию теоретического языка социологии и теоретической модели предмета исследования, концептуализации, конкретизации и операционализации понятий, построению социологических переменных и выдвижению гипотез. Рассматриваются программа социологического исследования, ее разделы и организация. Социальная статистика и проблема измерения в социологии анализируются через соответствующий инструментарий: индексы и индикаторы, динамические ряды, статистическую закономерность, основные типы измерительных шкал, их валидность и надежность, методы многомерного анализа, в том числе факторный и регрессионный анализ. Соответствует ФГОС ВО последнего поколения. Для студентов бакалавриата, изучающих дисциплину "Анализ и обработка социологических данных".
  • Бонцанини Марко. Анализ социальных медиа на Python
    Анализ социальных медиа на Python
    Бонцанини Марко
    Извлекайте и анализируйте данные из всех уголков социальной паутины на Python. Язык программирования Python является оптимальным выбором для исследователей-аналитиков, поскольку позволяет создавать прототипы, визуализировать и анализировать наборы данных малого и среднего размера. Бесчисленное количество предприятий обращается к Python для решения задач, связанных выявлением особенностей поведения потребителей и превращением исходных данных в действенную информацию о клиентах. Настоящая книга рассказывает, как с помощью научного инструментария Python получать и анализировать данные из наиболее популярных сетей, таких как Facebook, Twitter, Stack Exchange и др. В русскоязычное издание добавлено приложение об анализе данных из сети "ВКонтакте". Издание предназначено для специалистов по анализу данных, а также будет полезно всем разработчикам на Python, желающим извлекать коммерческую пользу из социальных сетей. Из этой книги вы узнаете, как: - взаимодействовать с социально-медийными платформами посредством публичного API из приложений на Python; - сохранять социальные данные в формате, удобном для последующего анализа; - анализировать социальные данные и извлекать из них выборки, используя инструменты Python; - с помощью приемов обработки текстов понять, о чем люди говорят в социальных медиа; - применять продвинутые статистические и аналитические приемы для извлечения полезной информации из данных; - как с применением технологий веба отображать данные в удобном графическом виде для их исследования и представления результатов обработки.
  • Бари Анассе, Чаучи Мохамед, Юнг Томми. Аналитическое прогнозирование для чайников
    Аналитическое прогнозирование для чайников
    Бари Анассе, Чаучи Мохамед, Юнг Томми
    Сегодняшний бизнес опирается на эффективное использование данных для прогнозирования тенденций и продаж. Аналитическое прогнозирование - инструмент, который может это сделать, и данная книга просто и понятно показывает, как его использовать. Вы научитесь подготавливать и обрабатывать свои данные, ставить цели, создавать прогностические модели, привлекать к работе заинтересованные стороны вашей организации и многое другое. 2-е издание.
  • Слипер Райан. Анализ данных в Tableau на практике
    Анализ данных в Tableau на практике
    Слипер Райан
    Есть у вас практический опыт использования си-стемы бизнес аналитики Tableau или вы делаете свои первые шаги в этой области, данная книга позволит вам научиться строить наглядные ин-терактивные визуализации данных. Автор книги Райан Слипер - один из наиболее ква-лифицированных консультантов по Tableau - ис-пользует советы и практические задания для де-монстрации использования системы с целью полу-чения важной аналитической информации из данных. Краткое содержание частей книги: - основы: знакомство и первые шаги в Tableau; - типы диаграмм: пошаговая инструкция по по-строению в Tableau разнообразных визуализаций; - практические советы и хитрости: инновационный подход к применению параметров и теории цвета, советы по повышению эффективности рабочих книг Tableau и многое другое; - план действий: знакомство с планом действий INSIGHT, особый подход к построению дашбордов (dashboard) в Tableau; - рассказываем историю: изучаем эффективные тактики построения рассказа на основе данных, которые вы сможете незамедлительно применить на практике.

© 2007-2019 books.iqbuy.ru 18+