Принципы науки о данных: изучите методы и математику, необходимые для того, чтобы начать понимать свои данные: математические методы и теория для достижения успеха в отраслях, ориентированных на данные на русском

Основные характеристики

• Расширьте свои знания в области программирования, изучив теорию науки о данных, чтобы получить практическое представление о науке о данных и их анализе.
• Это не просто курс математики, а обучение выполнению реальных задач в области анализа данных с помощью R и Python.
• Получайте полезные аналитические данные и преобразуйте необработанную информацию в ощутимую ценность.

Описание книги

Хотите превратить свои навыки программирования в эффективные навыки анализа данных? Книга «Основы анализа данных» призвана помочь вам объединить математику, программирование и бизнес-анализ. С помощью этой книги вы сможете уверенно задавать и отвечать на сложные и замысловатые вопросы, касающиеся ваших данных, и переходить от абстрактной и необработанной статистики к практическим идеям.

Благодаря уникальному подходу, объединяющему математику и информатику, эта книга проведет вас через весь цикл обработки данных. Начиная с очистки и подготовки данных, а также эффективных стратегий и методов интеллектуального анализа данных, вы перейдете к построению всеобъемлющей картины того, как все части головоломки в области науки о данных взаимодействуют друг с другом. Вы изучите основы вычислительной математики и статистики, а также псевдокод, используемый сегодня специалистами и аналитиками данных. Вы освоите машинное обучение, откроете для себя статистические модели, которые помогут вам контролировать и обрабатывать даже самые плотные наборы данных, и узнаете, как создавать мощные визуализации, передающие смысл ваших данных.

Что вы узнаете

• Ознакомьтесь с пятью наиболее важными этапами анализа данных.
• Используйте свои данные с умом и научитесь бережно с ними обращаться.
• Преодолейте разрыв между математикой и программированием.
• Изучите теорию вероятности, математический анализ и научитесь использовать статистические модели для контроля и очистки данных, а также для получения практических результатов.
• Создание и оценка базовых моделей машинного обучения.
• Изучите наиболее эффективные метрики для определения успешности ваших моделей машинного обучения.
• Создавайте визуализации данных, которые позволяют получать полезные практические выводы.
• Изучите и примените концепции машинного обучения к своим задачам и делайте реальные прогнозы.

Об авторе

Синан Оздемир — специалист по анализу данных, основатель стартапа и преподаватель, живущий в районе залива Сан-Франциско со своей собакой Чарли, котом Евклидом и бородатой ящерицей Фиеро. Всю свою академическую карьеру он посвятил изучению чистой математики в Университете Джонса Хопкинса, прежде чем перейти в сферу образования. Несколько лет он читал лекции по анализу данных в Университете Джонса Хопкинса и в Генеральной Ассамблее, прежде чем основать собственный стартап Legion Analytics, который использует искусственный интеллект и анализ данных для повышения эффективности работы корпоративных отделов продаж.

После завершения стажировки в акселераторе Y Combinator Синан большую часть времени посвящает работе над своей быстрорастущей компанией, а также созданию образовательных материалов по науке о данных.

Оглавление

1. Как говорить так, как говорит специалист по анализу данных
2. Типы данных
3. Пять шагов науки о данных
4. Основы математики
5. Невозможно или невероятно – простое введение в теорию вероятности
6. Расширенная теория вероятности
7. Основные статистические данные
8. Расширенная статистика
9. Передача данных
10. Как определить, обучается ли ваш тостер — основы машинного обучения
11. Предсказания не растут на деревьях – или всё-таки растут?
12. Помимо самого необходимого
13. Примеры из практики