10 Data Science книг к прочтению в 2020 году

1. Дж. Грас – Data Science. Наука о данных с нуля

Автор изложил материал по Data Science в необходимом размере для скорейшего старта в
профессии. Знания аналитики и дисциплины не потребуются. В процессе чтения
вы будете изучать Python, алгебру, математический анализ и статистику,
а также теорию вероятностей, машинное обучение и прочие темы. Дополнительный
акцент сделан на методы анализа социальных сетей, основы баз данных и SQL.

Data Science. Наука о
данных с нуля

Книга в телеграм-канале @progbook

2. П. Брюс, Э. Брюс – Практическая статистика для специалистов
Data Science

Для работы с изданием вам понадобятся знания математической
статистики и языка R, а также базовые знания по общей теме.
Легкодоступная форма подачи материала поможет быстро разобраться с такими
темами, как: разведочный анализ данных, статистические эксперименты,
проверка значимости, регрессия, классификация, машинное обучение и обучение без
учителя.

Практическая
статистика для специалистов Data Science

Книга в телеграм-канале @progbook

3. О’Нил, Шатт – Data Science. Инсайдерская информация для новичков

Книга основана на курсе Колумбийского университета по анализу данных. В процессе
обучения вы узнаете о байесовском методе, визуализации данных, статистических
алгоритмах, рекомендательных движках, MapReduce и финансовом моделировании.

Data Science. Инсайдерская информация для
новичков

4. Ын, Су – Теоретический минимум по Big Data. Всё что нужно
знать о больших данных

Издание не ориентировано
только на профессионалов, заняться образованием могут начать аналитики,
бизнесмены, программисты и непрофильные специалисты. На страницах этого труда рассматривается масса алгоритмов, каждому
из которых посвящена отдельная глава, с картинками и примерами из реальных
задач.

Теоретический минимум
по Big Data. Всё что нужно знать о больших данных

5. Силен, Мейсман, Али – Основы
Data Science и
Big Data. Python и наука о данных

Изучение DS вы начнете с базовых вещей, а потом приступите к алгоритмам
машинного обучения, массивам данных, NoSQL и т. д. В качестве языка программирования
в этой книге используется Python со специальными
библиотеками.

Основы Data Science и Big Data. Python и наука о данных

Книга в телеграм-канале @progbook

6. Дж. Вандер Плас –
Python для сложных задач. Наука о данных и машинное обучение

Данное руководство погрузит вас в самые популярные
статистические методы обработки данных и научные исследования. В процессе прочтения
вы сможете разобраться с тем, как считывать различные форматы данных, как их преобразовывать
и визуализировать, а также строить статистические модели и применять машинное
обучение.

Python для сложных задач. Наука о данных
и машинное обучение

Книга в телеграм-канале @progbook

7. R. Shams – Java
Data Science Cookbook

Если вам необходимо
построить научные модели для производства – Java ваше все. С помощью крутых библиотек, таких как MLlib, Weka и DL4j, вы сможете
эффективно выполнить все необходимые задачи по обработке данных. Книга начинается с
рецептов для получения, индексирования и поиска данных. Затем вы перейдете к
различным методам анализа и извлечения информации. Последним учебным этапом
будет обработка Big Data, глубокое обучение и визуализация.

Java
Data Science Cookbook

8. A. Boschetti – Python Data Science Essentials

Здесь вы найдете
подробные примеры, которые помогут понять основные
статистические методы сбора и анализа данных. Вы получите представление о
передовых темах, таких как алгоритмы машинного обучения, распределенные
вычисления, настройка моделей прогноза и обработка естественного языка. А еще вы познакомитесь с инструментами глубокого обучения, такими как XGBoost,
LightGBM и CatBoost.

Python Data Science Essentials

9. D. Toomey – Jupyter for Data Science

Если вы знакомы с Jupyter Notebook и хотите узнать, как использовать его возможности
для выполнения различных задач в Data
Science, эта книга для вас. Данное издание разъяснит каждый
шаг внедрения эффективного конвейера обработки данных с использованием Jupyter от
исследования данных до визуализации. Вы научитесь использовать функции Jupyter, чтобы делиться своими идеями и кодом с
коллегами. В книге также описано, как Python 3, R и Julia могут быть
интегрированы в Jupyter для различных задач
обработки данных.

Jupyter for Data Science

10. P. Prevos – Principles of Strategic Data Science

Книга начинается с
объяснения того, что такое наука о данных и как организации могут ее использовать для оптимизации всех рабочих процессов. Затем автор приводит критерии
надежности информационных продуктов и способы визуализации информации. В
процессе изучения пятиэтапной структуры вы будете открывать для себя
стратегические аспекты DS, которые
позволяют повысить ценность извлекаемых данных. В заключительной главе
рассматривается роль штатного аналитика данных в процессе интеграции DS-подхода в бизнес-процессы организации.

Principles of Strategic Data Science

Не рассказали о какой-то интересной книге по теме Data Science? Пишите в комментариях.