Поиск книг по лучшей цене!

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


  • Ния Нархид, Гвен Шапира, Тодд Палино. Apache Kafka. Потоковая обработка и анализ данных | Нархид Ния, Шапира Гвен
    Apache Kafka. Потоковая обработка и анализ данных | Нархид Ния, Шапира Гвен
    Ния Нархид, Гвен Шапира, Тодд Палино
    При работе любого enterprise-приложения образуются данные: это файлы логов, метрики, информация об активности пользователей, исходящие сообщения и т.п. Правильные манипуляции над всеми этими данными не менее важны, чем сами данные. Если вы - архитектор, разработчик или выпускающий инженер, желающий решать подобные проблемы, но вы пока не знакомы с Apache Kafka, то именно из этой замечательной книги вы узнаете, как работать с этой свободной потоковой платформой, позволяющей обрабатывать очереди данных в реальном времени. Рекомендуем!
  • Кэти О'Нил, Рэйчел Шатт. Data Science. Инсайдерская информация для новичков | О’Нил Кэти, Шатт Рэйчел
    Data Science. Инсайдерская информация для новичков | О’Нил Кэти, Шатт Рэйчел
    Кэти О'Нил, Рэйчел Шатт
    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. Рекомендуем!
  • Кэти О'Нил, Рэйчел Шатт. Data Science. Инсайдерская информация для новичков | О’Нил Кэти, Шатт Рэйчел
    Data Science. Инсайдерская информация для новичков | О’Нил Кэти, Шатт Рэйчел
    Кэти О'Нил, Рэйчел Шатт
    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.
  • Мэтью Рассел, Михаил Классен. Data mining. Извлечение информации из Facebook, Twitter, LinkedIn, Instagram, GitHub | Рассел Мэтью, Классен Михаил
    Data mining. Извлечение информации из Facebook, Twitter, LinkedIn, Instagram, GitHub | Рассел Мэтью, Классен Михаил
    Мэтью Рассел, Михаил Классен
    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.
  • Анассе Бари, Мохамед Чаучи, Томми Юнг. Аналитическое прогнозирование для чайников, 2-е издание
    Аналитическое прогнозирование для чайников, 2-е издание
    Анассе Бари, Мохамед Чаучи, Томми Юнг
    Учитесь предсказывать будущее!Сегодняшний бизнес опирается на эффективное использование данных для прогнозирования тенденций и продаж. Аналитическое прогнозирование - это инструмент, который может это сделать, и эта 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.Основные темы книги Как начать проект Как определить типы данных Советы по моделированию Работа с алгоритмами Что такое кластеризация данных Что такое классификация данных Что такое глубокое обучение Консультации по презентациям Пошаговое прогностическое моделированиеОб авторахАнассе Бари, доктор философии - эксперт по анализу данных и профессор университета. Он имеет многолетний опыт в области прогностического моделирования и анализа данных.Мохамед Чаучи - опытный инженер-программист, который провел обширные исследования с использованием методов интеллектуального анализа данных.Томми Юнг - инженер-программист с опытом работы с корпоративными веб-приложениями и аналитикой.
  • Д. З. Уздин. Анализ данных в теории распознавания. Алгоритм установления диагноза и некоторые приложения, включая выборы президента | Уздин Дмитрий Завельевич
    Анализ данных в теории распознавания. Алгоритм установления диагноза и некоторые приложения, включая выборы президента | Уздин Дмитрий Завельевич
    Д. З. Уздин
    Вашему вниманию предлагается издание «Анализ данных в теории распознавания. Алгоритм установления диагноза и некоторые приложения, включая выборы президента».
  • Майкл Коллинз. Защита сетей. Подход на основе анализа данных | Коллинз Майкл
    Защита сетей. Подход на основе анализа данных | Коллинз Майкл
    Майкл Коллинз
    Традиционных способов обнаружения вторжений и анализа системных журналов уже недостаточно для защиты сложных современных сетей. В данной книге специалист по проблемам безопасности Майкл Коллинз предлагает различные методы и инструменты для сбора и анализа данных о трафике. Вы поймете, как используется ваша сеть и что необходимо для обеспечения ее безопасности. Рассматриваются процессы сбора и организации данных, инструменты для их анализа, а также различные аналитические сценарии и методики. Описывается активный контроль и управление трафиком, обнаружение внутренней угрозы, интеллектуальный анализ данных, регрессия и машинном обучении и другие темы.
  • Холден Карау, Энди Конвински, Патрик Венделл, Матей Захария. Изучаем Spark. Молниеносный анализ данных | Карау Холден, Конвински Энди
    Изучаем Spark. Молниеносный анализ данных | Карау Холден, Конвински Энди
    Холден Карау, Энди Конвински, Патрик Венделл, Матей Захария
    Объем обрабатываемых данных во всех областях человеческой деятельности продолжает расти быстрыми темпами. Существуют ли эффективные приемы работы с ним? В этой книге рассказывается об Apache Spark, открытой системе кластерных вычислений, которая позволяет быстро создавать высокопроизводительные программы анализа данных. С помощью Spark вы сможете манипулировать огромными объемами данных посредством простого API на Python, Java и Scala. Написанная разработчиками Spark, эта книга поможет исследователям данных и программистам быстро включиться в работу. Она рассказывает, как организовать параллельное выполнение заданий всего несколькими строчками кода, и охватывает примеры от простых пакетных приложений до программ, осуществляющих обработку потоковых данных и использующих алгоритмы машинного обучения. Рекомендуем!
  • Д. М. Дайитбегов. Компьютерные технологии анализа данных в эконометрике. Монография | Дайитбегов Дайитбег Магамедович
    Компьютерные технологии анализа данных в эконометрике. Монография | Дайитбегов Дайитбег Магамедович
    Д. М. Дайитбегов
    Показано решение задач эконометрического моделирования на основе комплексного применения компьютерных технологий анализа данных средствами отечественных статистических пакетов прикладных программ. Рассмотрены методы анализа корреляций и регрессий, факторный и компонентный анализ. Изложены методы многомерной классификации объектов, основанные на кластерном и дискриминантном анализе. Большое внимание уделено разработке динамических регрессионных моделей прогноза, анализу временных рядов и систем одновременных уравнений, адаптации эконометрических моделей, особо выделены условия и методы их построения по пространственно-временным данным. Описаны автокорреляционные функции, процедуры прогнозирования временных рядов. Особенности изучаемых методов и технологии решения задач на компьютере показаны на примере реальных данных нормативных показателей материальных ресурсов. Для научных работников, специалистов аналитических служб предприятий и организаций, преподавателей, аспирантов, студентов экономических специальностей вузов.
  • Келлехер Джон;Тирни Брендан. Наука о данных: Базовый курс
    Наука о данных: Базовый курс
    Келлехер Джон;Тирни Брендан
    О чем книгаСегодня наука о данных используется практически во всех сферах: вы видите подобранные специально для вас рекламные объявления, рекомендованные на основе ваших предпочтений фильмы и книги, ссылки на предполагаемых друзей в соцсетях, отфильтрованные письма в папке со спамом. Эта книга знакомит с основами науки о данных. В ней охватываются все ключевые аспекты, начиная с истории развития сбора и анализа данных и заканчивая этическими проблемами, связанными с конфиденциальностью информации. Авторы объясняют, как работают нейронные сети и машинное обучение, приводят примеры анализа бизнес-проблем и того, как их можно решить, рассказывают о сферах, на которые наука о данных окажет наибольшее влияние в будущем. "Наука о данных" уже переведена на японский, корейский и китайский языки.ЦитатыСейчас процесс сбора, хранения и обработки данных стал как никогда ранее доступен для организаций.Цель науки о данных - улучшить процесс принятия решений, основывая их на более глубоком понимании ситуации с помощью анализа больших наборов данных.Как правило, наука о данных становится полезной, когда у нас есть большое количество примеров и когда выявляемые закономерности слишком сложны, чтобы человек мог обнаружить их самостоятельно.Для кого книгаДля аналитиков, программистов и всех тех, кому интересно понять, что такое наука о данных и как ее можно использовать в работеОб авторахДжон Келлехер - руководитель Научно-исследовательского института информации, коммуникации и развлечений при Дублинском технологическом университете. Он изучает искусственный интеллект, анализ данных и машинное обучение. Брендан Тирни - консультант, директор Oracle ACE. Он читает лекции по Data Mining и усовершенствованным базам данных в Дублинском технологическом институте. У него более чем 23-летний опыт работы с данными. Брендан работал над проектами в Ирландии, Великобритании, Европе, Канаде и США.
  • Стивен С. Скиена. Наука о данных: учебный курс
    Наука о данных: учебный курс
    Стивен С. Скиена
    Для того чтобы понять мир, необходимо собрать и проанализировать данные о нем. Объединение последних технологических тенденций предоставляет новые возможности для применения анализа данных к более сложным задачам, чем когда-либо прежде.Емкость компьютерных хранилищ увеличивается экспоненциально; хранение данных сейчас стало настолько дешевым, что компьютерным системам почти невозможно ничего забыть. Сенсорные устройства все шире и шире контролируют все, за чем только можно наблюдать: потоки видео, действия в социальных сетях и местоположение всего, что перемещается. Сетевая вычислительная среда позволяет использовать огромные количества машин для манипулирования этими данными. Каждый раз, когда вы осуществляете поиск в Google, задействуются сотни компьютеров, тщательно исследующие все ваши предыдущие действия, только для того, чтобы решить, какая реклама является наилучшей для демонстрации именно вам.Результатом всего этого стало рождение науки о данных - новой области, посвященной максимизации значения обширных коллекций информации. Как дисциплина, наука о данных находится где-то на пересечении статистики, информатики и машинного обучения, но стоит она отдельно, как самостоятельный персонаж. Эта книга служит введением в науку о данных, сосредоточиваясь на навыках и принципах, необходимых для построения систем, предназначенных для анализа и интерпретации данных.Профессиональная практика автора как исследователя и преподавателя убедила его в том, что одной из главных сложностей науки о данных является то, что она значительно сложней, чем выглядит. Любой студент, когда-либо вычислявший свой средний балл успеваемости, может сказать, что выполнял элементарный статистический расчет, а рисование простого графика разброса позволит вам добавить в свое резюме упоминание о наличии опыта в визуализации данных. Однако реальный анализ и интерпретация данных требуют и технических знаний, и мудрости. Основами обладает очень много людей, но не техническими знаниями, что и вдохновило автора на написание этой книги.Об автореСтивен С. Скиена - ученый в области компьютерных наук и заслуженный профессор информатики в университете Стони Брукс. Он также является директором Института искусственного интеллекта в Стони Брук. В сферу его научного интереса входит анализ и разработка компьютерных алгоритмов и их применение в области биологии. Скиена написал несколько популярных книг в области алгоритмов, программирования и математики.
  • Дэви Силен, Арно Мейсман, Мохамед Али. Основы Data Science и Big Data. Python и наука о данных | Силен Дэви, Мейсман Арно
    Основы Data Science и Big Data. Python и наука о данных | Силен Дэви, Мейсман Арно
    Дэви Силен, Арно Мейсман, Мохамед Али
    Data Science - это совокупность понятий и методов, позволяющих придать смысл и понятный вид огромным объемам данных.Каждая из глав этой книги посвящена одному из самых интересных аспектов анализа и обработки данных. Вы начнете с теоретических основ, затем перейдете к алгоритмам машинного обучения, работе с огромными массивами данных, NoSQL, потоковым данным, глубокому анализу текстов и визуализации информации. В многочисленных практических примерах использованы сценарии Python. Обработка и анализ данных - одна из самых горячих областей IT, где постоянно требуются разработчики, которым по плечу проекты любого уровня, от социальных сетей до обучаемых систем. Надеемся, книга станет отправной точкой для вашего путешествия в увлекательный мир Data Science. Рекомендуем!
  • Боровиков Владимир Павлович. Популярное введение в современный анализ данных и машинное обучение на STATISTICA
    Популярное введение в современный анализ данных и машинное обучение на STATISTICA
    Боровиков Владимир Павлович
    Популярно и увлекательно освещены современные возможности анализа данных и машинного обучения, являющегося трендом современной компьютерной аналитики. В изложении упор сделан на понимании методов и их применении к практическим задачам. "Делайте вслед за нами, и вы научитесь анализировать данные!" - основной лейтмотив книги. Подробно описаны классические статистические методы, включая многомерные методы: кластерный, дискриминантный анализ, множественная регрессия, факторный анализ, метод главных компонент, анализ выживаемости и регрессия Кокса. В отдельных главах изложены нейросетевые методы, методы добычи данных, деревья классификации и регрессии (CART - модели). Рассмотрены примеры из различных областей человеческой деятельности: промышленности, ритейла, инфокоммуникаций, бизнеса, медицины. Специальные главы посвящены теории вероятностей и методам оптимизации, лежащим в основе методов машинного обучения. Книга отражает многолетний опыт автора в решении прикладных задач и участия в значимых проектах. Синтез современных технологий и понимание методов позволяет добиться успеха в решении конкретных прикладных задач.Для широкого круга читателей: инженеров, технологов, менеджеров, аналитиков, врачей, исследователей, интересующихся современными аналитическими методами и технологиями анализа данных и машинного обучения и их применением на практике.
  • Питер Брюс, Эндрю Брюс. Практическая статистика для специалистов Data Science | Брюс Эндрю, Брюс Питер
    Практическая статистика для специалистов Data Science | Брюс Эндрю, Брюс Питер
    Питер Брюс, Эндрю Брюс
    Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны и почему. Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя. Рекомендуем!
  • Анналин Ын, Кеннет Су. Теоретический минимум по Big Data. Всё что нужно знать о больших данных | Су Кеннет, Анналин Ын
    Теоретический минимум по Big Data. Всё что нужно знать о больших данных | Су Кеннет, Анналин Ын
    Анналин Ын, Кеннет Су
    Cегодня Big Data - это большой бизнес. Нашей жизнью управляет информация, и извлечение выгоды из нее становится центральным моментом в работе современных организаций. Не важно кто вы - деловой человек, работающий с аналитикой, начинающий программист или разработчик, - "Теоретический минимум по Big Data" позволит разобраться в основах новой и стремительно развивающейся отрасли обработки больших данных.Хотите узнать о больших данных и механизмах работы с ними? Каждому алгоритму посвящена отдельная глава, в которой не только объясняются основные принципы работы, но и даются примеры использования в реальных задачах. Большое количество иллюстраций и простые комментарии позволят легко разобраться в самых сложных аспектах Big Data. Рекомендуем!
  • Люсьен Аврамов, Маурицио Портолани. Центры обработки данных на основе политик и ACI. Структура, концепции и методология | Аврамов Люсиен, Портолани Маурицио
    Центры обработки данных на основе политик и ACI. Структура, концепции и методология | Аврамов Люсиен, Портолани Маурицио
    Люсьен Аврамов, Маурицио Портолани
    Используйте политики и CiscoТ ACI для создания более гибких и настраиваемых центров обработки данных и получайте намного больше выгоды для своих бизнес-приложений! Справочное руководство посвящено проектированию центров обработки данных на основе политик и инфраструктуры с акцентом на приложениях. В книге изложены преимущества, архитектура, теория, концепции и методология центров обработки данных на основе политик. Демонстрируется использование сценариев Python и REST для автоматизации управления сетями и упрощения настройки сред ACI. Описываются аспекты проектирования виртуализированных центров обработки данных, систем для высокопроизводительных вычислений, сред со сверхмалыми задержками и крупномасштабных центров обработки данных. Рассматриваются вопросы, связанные с созданием гипервизоров и инфраструктур без виртуализации, демонстрируют интеграцию служб, а также усовершенствованные методы телеметрии для выявления и устранения проблем. Используйте архитектурные и управленческие инновации, реализованные в инфраструктуре на основе политик с акцентом на приложениях (ACI). Освойте модель центра обработки данных на основе политик. Используйте политики для обеспечения производительности сети и выполнения проектных требований к современным центрам обработки данных и облачным средам. Быстро отображайте возможности аппаратного и программного обеспечения в развернутое приложение с помощью графических инструментов — или программно с помощью Cisco APIC ACI. Повышайте быстродействие приложения, сокращайте время, необходимое для перевода приложения на этап производства. Определяйте связность рабочей нагрузки, а не подсетей, VLAN и ACL (или сочетайте их). Используйте сценарии Python и REST для автоматизации изменений политик, анализа, настройки и самообслуживания. Разрабатывайте центры обработки данных на основе политик, поддерживающие гипервизоры. Интегрируйте платформу OpenStack с помощью архитектуры драйверов Cisco ACI APIC OpenStack. Освойте все аспекты создания и эксплуатации облачной архитектуры с акцентом на приложениях. Настраивайте топологию фабрики ACI в качестве администратора инфраструктуры или арендаторов. Вставляйте функции уровней 4–7 с помощью графов служб. Используйте централизованную телеметрию для оптимизации производительности; находите и решайте проблемы. Освойте парадигмы сетей, управляемых программируемыми политиками. Используя центры обработки данных на основе политик, профессионалы в области сетевых технологий могут ускорить и упростить изменения центров обработки данных, конструирование облачных инфраструктур и поставку новых приложений. Повышая гибкость, динамичность и переносимость центров обработки данных, можно намного быстрее получить намного больше выгоды для бизнеса. В этом справочном руководстве эксперты по центрам обработки данных Cisco ...

© 2007-2019 books.iqbuy.ru 18+