Книги для дата сайентистов | Data Science
Лучшие книги по Data Science Список наших каналов: https://t.me/proglibrary/8353 Учиться у нас: https://proglib.io/w/907158ab Обратная связь: @proglibrary_feedback_bot По рекламе: @proglib_adv Прайс: @proglib_advertising
Більше
Сітка:2 786
Підписники
+324 години
+477 днів
+18330 днів
Час активного постингу
Триває завантаження даних...
Find out who reads your channel
This graph will show you who besides your subscribers reads your channel and learn about other sources of traffic.
Аналітика публікацій
| Дописи | Перегляди | Поширення | Динаміка переглядів |
01 📚Bayesian reasoning and machine learning (2018)
✍️Автор: Barber, D
📃Страниц: 740
Этот практический материал открывает такие возможности для студентов, изучающих информатику, со скромным математическим образованием. Он предназначен для студентов последнего курса и магистрантов с ограниченным опытом работы в области линейной алгебры и математического анализа. Комплексный и последовательный, он развивает все - от базовых рассуждений до продвинутых техник в рамках графических моделей.
Ссылка на книгу | 416 | 18 | Loading... |
02 📚Think Bayes: Bayesian Statistics in Python (2021)
✍️Автор: Allen B. Downey
📃Страниц: 338
Из этой книги вы узнаете, как решать статистические задачи с помощью кода на Python вместо математических формул, используя дискретные распределения вероятностей, а не непрерывную математику. Как только вы разберетесь с математикой, основы байесовского подхода станут понятнее, и вы начнете применять эти методы к решению реальных задач.
Ссылка на книгу | 573 | 31 | Loading... |
03 📚Data Science Bookcamp: Five real-world Python projects (2021)
✍️Автор: Leonard Apeltsin
📃Страниц: 706
Книга не ограничивается поверхностной теорией и игрушечными примерами. Работая над каждым проектом, вы узнаете, как устранять такие распространенные проблемы, как отсутствие данных, беспорядок в данных и алгоритмы, которые не совсем соответствуют создаваемой вами модели
Ссылка на книгу | 654 | 43 | Loading... |
04 📚Training Data for Machine Learning: Human Supervision from Annotation to Data Science (2023)
✍️Автор: Anthony Sarkis
📃Страниц: 169
В этом практическом руководстве автор Энтони Саркис (Anthony Sarkis), ведущий инженер программного обеспечения для обучения ИИ Diffgram, показывает техническим специалистам, менеджерам и экспертам в данной области, как работать с обучающими данными и масштабировать их, а также раскрывает человеческую сторону управления машинами. Руководители инженерных подразделений, инженеры по обработке данных и специалисты в области науки о данных получат четкое представление о концепциях, инструментах и процессах, необходимых им для успешного использования обучающих данных.
Ссылка на книгу | 732 | 21 | Loading... |
05 📚Statistical Modeling Theory: Variable Types & Design Matrices (2024)
✍️Автор: Christopher Panaretos
📃Страниц: 112
В этой книге кратко объясняется, как статистические модели применяются к наборам данных. В первой части книги перечислены 16 типов переменных, которые используются в статистике, и эти типы могут применяться к прогнозирующим переменным или переменным отклика. Во второй части рассматриваются примеры наборов данных с использованием языка программирования R, описывающие различные комбинации типов предикторов и ответов.
Ссылка на книгу | 809 | 35 | Loading... |
06 📚SQL for Data Analysis: A Middle-Level Guide to Integrating SQL with Data Science Tools (2024)
✍️Автор: Johanson, Louis
📃Страниц: 107
Это идеальное решение для профессионалов, которые овладели основами SQL и готовы поднять свои навыки анализа данных на новую высоту. Это всеобъемлющее руководство предназначено для тех, кто работает на стыке владения SQL и обширных областей науки о данных, стремится углубить свои знания и легко интегрировать SQL с передовыми инструментами науки о данных.
Ссылка на книгу | 812 | 37 | Loading... |
07 📚Modeling and Simulation in Python: An Introduction for Scientists and Engineers (2023)
✍️Автор: Allen B. Downey
📃Страниц: 215
Эта книга учит читателей анализировать сценарии реального мира с помощью языка программирования Python, для чего не требуется ничего, кроме знаний математики в средней школе.
Ссылка на книгу | 896 | 46 | Loading... |
08 📚Dive Into Data Science: Use Python To Tackle Your Toughest Business Challenges (2023)
✍️Автор: Deepak K. Kanungo
📃Страниц: 239
Эта книга для начинающих научит вас применять принципы data science для улучшения бизнес—стратегий - знание математики не требуется! Простые в изложении главы знакомят читателя с такими понятиями, как A/ B-тестирование, машинное обучение под наблюдением и без присмотра, веб-анализ и многое другое.
Ссылка на книгу | 890 | 33 | Loading... |
09 📚Probabilistic Machine Learning for Finance and Investing: A Primer to Generative AI with Python (2023)
✍️Автор: Deepak K. Kanungo
📃Страниц: 267
Отказавшись от ошибочных статистических методологий и традиционного взгляда на вероятность как на предельную частоту, вы придете к интуитивному пониманию вероятности как логики в рамках аксиоматической статистической структуры, которая всесторонне и успешно определяет неопределенность количественно. Эта книга покажет вам, как это сделать.
Ссылка на книгу | 969 | 39 | Loading... |
10 📚Mastering Python for Bioinformatics: How to Write Flexible, Documented, Tested Python Code for Research Computing (2021)
✍️Автор: Ken Youens-Clark
📃Страниц: 458
Книга демонстрирует не только то, как писать эффективный код на Python, но и как использовать тесты для написания и рефакторинга научных программ. Вы познакомитесь с новейшими функциями и инструментами Python, включая средства компоновки, форматирования, проверки типов и тесты для создания документированных и протестированных программ. Вы также решите 14 задач в Rosalind, платформе для решения проблем в области биоинформатики и программирования.
Ссылка на книгу | 925 | 21 | Loading... |
11 📚Implementing MLOps in the Enterprise: A Production-First Approach (2024)
✍️Автор: Yaron Haviv, Noah Gift
📃Страниц: 380
Авторы Ярон Хавив и Ной Гифт придерживаются подхода, ориентированного в первую очередь на производство. Вместо того, чтобы начинать с модели ML, вы узнаете, как спроектировать непрерывный рабочий конвейер, в то же время следя за тем, чтобы в него могли быть включены различные компоненты и практики. Автоматизируя как можно больше компонентов и делая процесс быстрым и повторяемым, ваш конвейер может масштабироваться в соответствии с потребностями вашей организации.
Ссылка на книгу | 990 | 32 | Loading... |
12 📚Hands-on Machine Learning with Python: Implement Neural Network Solutions with Scikit-learn and PyTorch (2024)
✍️Автор: Ashwin Pajankar & Aditya Joshi
📃Страниц: 234
Перед вами идеальное всеобъемлющее руководство для читателей с базовыми и средними знаниями в области машинного обучения и deep learning. В нем представлены такие инструменты, как NumPy для численной обработки, Pandas для анализа панельных данных, Matplotlib для визуализации, Scikit-learn для машинного обучения и Pytorch для глубокого обучения на Python
Ссылка на книгу | 963 | 26 | Loading... |
13 📚Deep Learning for Finance: Creating Machine & Deep Learning Models for Trading in Python (2024)
✍️Автор: Sofien Kaabar
📃Страниц: 362
Это практическое руководство научит вас, как разработать торговую модель с глубоким обучением с нуля, используя Python, а также поможет вам создавать и тестировать торговые алгоритмы на основе машинного обучения и обучения с подкреплением.
Ссылка на книгу | 1 089 | 47 | Loading... |
14 📚Machine Learning Interviews: Kickstart Your Machine Learning and Data Career (2024)
✍️Автор: Susan Shu Chang
📃Страниц: 310
Занимая должность главного специалиста по обработке данvных в нескольких компаниях, Чанг обладает значительным опытом работы как в качестве специалиста по управлению персоналом, так и в качестве интервьюируемого. Она расскажет вам о процессе подбора персонала с высокой степенью избирательности и поделится уроками, которые она извлекла на этом пути. Вы быстро поймете, как успешно проходить типичные собеседования по ML.
Ссылка на книгу | 1 191 | 41 | Loading... |
15 📚Machine Learning Interviews: Kickstart Your Machine Learning and Data Career (2024)
✍️Автор: Susan Shu Chang
📃Страниц: 310
Занимая должность главного специалиста по обработке данvных в нескольких компаниях, Чанг обладает значительным опытом работы как в качестве специалиста по управлению персоналом, так и в качестве интервьюируемого. Она расскажет вам о процессе подбора персонала с высокой степенью избирательности и поделится уроками, которые она извлекла на этом пути. Вы быстро поймете, как успешно проходить типичные собеседования по ML.
Ссылка на книгу | 1 | 0 | Loading... |
16 📚Essential Math for Data Science: Take Control of Your Data with Fundamental Calculus, Linear Algebra, Probability, and Statistics (2021)
✍️Автор: Hadrien Jean
📃Страниц: 317
Освоите математику, необходимую для достижения успеха в области обработки данных, машинного обучения и статистики. В этой книге автор Томас Нилд расскажет вам о таких областях, как математический анализ, теория вероятностей, линейная алгебра и статистика, а также о том, как они применяются к таким методам, как линейная регрессия, логистическая регрессия и нейронные сети
Ссылка на книгу | 1 182 | 47 | Loading... |
17 📚Privacy-Preserving Machine Learning: Use cases driven approach to develop and protect machine learning pipelines from privacy and security threats (2024)
✍️Автор: Srinivas Rao Aravilli
📃Страниц: 317
Получите практический опыт в области защиты данных и машинного обучения, обеспечивающего сохранение конфиденциальности, с помощью фреймворков ML с открытым исходным кодом, одновременно изучая методы и алгоритмы защиты конфиденциальных данных от нарушений конфиденциальности
Ссылка на книгу | 1 145 | 12 | Loading... |
18 📚The Enterprise Big Data Lake: Delivering the Promise of Big Data and Data Science (2019)
✍️Автор: Alex Gorelik
📃Страниц: 223
Этот практический справочник проведет руководителей и ИТ-специалистов от начального процесса исследования и принятия решений до планирования, выбора продуктов, а также внедрения, обслуживания и управления современным Data Lake.
Ссылка на книгу | 1 158 | 13 | Loading... |
19 📚Practical Time Series Analysis: Prediction with Statistics and Machine Learning (2019)
✍️Автор: Aileen Nielsen
📃Страниц: 411
Это практическое руководство, посвященное инновациям в анализе данных временных рядов и примерам использования из реального мира, поможет вам решить наиболее распространенные задачи по разработке данных и анализу временных рядов, используя как традиционные статистические методы, так и современные методы машинного обучения
Ссылка на книгу | 1 217 | 39 | Loading... |
20 📖 ТОП-10 книг о том, как правильно построить карьеру в IT
Хотите преуспеть в IT? Ознакомьтесь с нашим списком лучших книг, которые помогут вам выстроить успешную карьеру в этой динамичной отрасли!
Читать статью, чтобы ознакомиться со всеми книгами 👉 https://proglib.io/sh/glq68BCSKj | 1 033 | 7 | Loading... |
21 📚Machine Learning Pocket Reference (2019)
✍️Автор: Matt Harrison
📃Страниц: 222
Этот удобный справочник с подробными примечаниями, таблицами и примерами поможет вам сориентироваться в основах структурированного машинного обучения. Автор Мэтт Харрисон представляет ценное руководство, которое вы можете использовать для дополнительной поддержки во время обучения и в качестве удобного ресурса, когда будете погружаться в свой следующий проект по машинному обучению.
Ссылка на книгу | 884 | 17 | Loading... |
22 📚3D Deep Learning with Python: Design and develop your computer vision model with 3D data using PyTorch3D and more (2022)
✍️Автор: Xudong Ma Vishakh, Hegde Lilit Yolyan
📃Страниц: 324
Визуализируйте и создавайте модели глубокого обучения на основе 3D-данных с помощью PyTorch3D и других фреймворков Python, чтобы с легкостью решать задачи реальных приложений
Что внутри:
🔸Разработка 3D-моделей компьютерного зрения для взаимодействия с окружающей средой
🔸Освоение работы с 3D-данными с помощью облаков точек, сеток, слоев и формата obj-файлов
🔸Работа с 3D-геометрией, моделями камер, координацией и преобразованием между ними
Ссылка на книгу | 884 | 26 | Loading... |
23 📚Numerical Methods Using Java: For Data Science, Analysis, and Engineering (2022)
✍️Автор: Haksun Li, PhD
📃Страниц: 1196
Реализуйте численные алгоритмы на Java с помощью NM Dev, объектно-ориентированной и высокопроизводительной библиотеки программирования для математики.Вы увидите, как она может помочь вам легко создать решение для вашей сложной инженерной задачи, быстро объединив классы.
Ссылка на книгу | 878 | 17 | Loading... |
24 📚Grokking Deep Learning (2019)
✍️Автор: Andrew W. Trask
📃Страниц: 335
Вы сможете создавать нейронные сети глубокого обучения с нуля! Опытный эксперт по глубокому обучению Эндрю Траск в своем увлекательном стиле расскажет вам о том, что такое наука, и вы сможете самостоятельно изучить каждую деталь обучения нейронных сетей
Ссылка на книгу | 930 | 28 | Loading... |
25 📚Python for Data Science: A Hands-On Introduction (2022)
✍️Автор: Yuli Vasiliev
📃Страниц: 209
Книга знакомит вас с миром анализа данных на языке Python с помощью подхода "учись на практике", основанного на практических примерах и практических занятиях. Вы узнаете, как писать код на Python для получения, преобразования и анализа данных, применяя самые современные методы обработки данных для использования в управлении бизнесом, маркетинге и поддержке принятия решений.
Ссылка на книгу | 965 | 26 | Loading... |
26 📚Practical Machine Learning for Computer Vision: End-to-End Machine Learning for Images (2021)
✍️Автор: Valliappa Lakshmanan, Martin Görner, Ryan Gillard
📃Страниц: 481
В этой практической книге показано, как использовать модели машинного обучения для извлечения информации из изображений. Инженеры ML и специалисты по обработке данных научатся решать различные задачи, связанные с изображениями, включая классификацию, обнаружение объектов, автоматическое кодирование, генерацию изображений, подсчет и создание субтитров, с помощью проверенных методов ML.
Что внутри:
🔸Разработка архитектуры машинного обучения для задач компьютерного зрения
🔸Выберите модель (например, ResNet, SqueezeNet или EfficientNet), соответствующую вашей задаче.
🔸Создайте сквозной конвейер машинного обучения для обучения, оценки, развертывания и объяснения вашей модели.
🔸Предварительно обработайте изображения для увеличения данных и поддержки обучаемости
Ссылка на книгу | 936 | 34 | Loading... |
27 📚Data Science on AWS: Implementing End-to-End, Continuous AI and Machine Learning Pipelines (2019)
✍️Автор: Chris Fregly, Antje Barth
📃Страниц: 524
Из этой практической книги специалисты по искусственному интеллекту и машинному обучению узнают, как успешно создавать и внедрять проекты в области обработки данных на Amazon Web Services.
Что внутри:
🔸Используйте автоматизированное машинное обучение для реализации определенного набора вариантов использования с помощью SageMaker Autopilot
🔸 Ознакомьтесь с полным жизненным циклом разработки модели для использования в NLP на основе BERT, включая прием данных, анализ, обучение модели и развертывание
🔸 Объедините все вместе в повторяемый конвейер операций машинного обучения.
Ссылка на книгу | 937 | 13 | Loading... |
28 📚Deep Learning for the Life Sciences: Applying Deep Learning to Genomics, Microscopy, Drug Discovery, and More (2019)
✍️Автор: Bharath Ramsundar, Peter Eastman, Patrick Walters, Vijay Pande
📃Страниц: 238
Эта книга, идеально подходящая для практикующих разработчиков и ученых, готовых применить свои навыки в научных областях, таких как биология, генетика и разработка лекарств, знакомит с несколькими примитивами глубоких сетей. Вы ознакомитесь с тематическим исследованием проблемы разработки новых терапевтических средств, объединяющих физику, химию, биологию и медицину, — примером, который представляет собой одну из величайших задач науки.
Что внутри:
🔸Изучите основы машинного обучения на основе молекулярных данных
🔸 Поймите, почему глубокое обучение является мощным инструментом для генетики и геномики
🔸 Применяйте глубокое обучение для понимания биофизических систем
🔸 Получите краткое представление о машинном обучении с помощью DeepChem
Ссылка на книгу | 995 | 27 | Loading... |
29 📚AI and Machine Learning for On-Device Development: A Programmer's Guide (2021)
✍️Автор: Moroney, Laurence
📃Страниц: 329
Искусственный интеллект - ничто, если нет места для его запуска. Теперь, когда мобильные устройства стали основным вычислительным устройством для большинства людей, разработчикам мобильных устройств важно добавить искусственный интеллект в свой набор инструментов. Эта содержательная книга - ваше руководство по созданию и запуску моделей на популярных мобильных платформах, таких как iOS и Android.
Что внутри:
🔸Изучите варианты внедрения ML и искусственного интеллекта на мобильных устройствах
🔸 Создайте ML-модели для iOS и Android
🔸 Напишите приложения ML Kit и TensorFlow Lite для iOS и Android, а также Core ML /Создайте ML-приложения для iOS
Ссылка на книгу | 1 037 | 17 | Loading... |
30 📚Practical MLOps: Operationalizing Machine Learning Models (2021)
✍️Автор: Noah Gift, Alfredo Deza
📃Страниц: 461
Внедрение ваших моделей в производство является фундаментальной задачей машинного обучения. Книга предлагает набор проверенных принципов, направленных на надежное и автоматизированное решение этой проблемы. Это подробное руководство расскажет вам о том, что такое MLOps (и чем он отличается от DevOps), и покажет, как применить его на практике для реализации ваших моделей машинного обучения.
Что внутри:
🔸Применяйте лучшие практики DevOps в области машинного обучения
🔸Создавайте производственные системы машинного обучения и поддерживайте их
🔸Контролируйте, инструментируйте, проводите нагрузочное тестирование и вводите в эксплуатацию системы машинного обучения
🔸Выбирайте правильные инструменты MLOps для конкретной задачи машинного обучения
Ссылка на книгу | 1 019 | 26 | Loading... |
31 📚Football Analytics with Python and R: Learning Data Science Through the Lens of Sports (2023)
✍️Автор: Eric A. Eager, Richard A. Erickson
📃Страниц: 352
В этой краткой книге Эрик Эйгер и Ричард Эриксон дают четкое представление об использовании статистических моделей для анализа футбольных данных с использованием Python и R. Независимо от того, хотите ли вы получить должность футбольного аналитика начального уровня, стать лидером в своей лиге по фэнтезийному футболу или просто изучить R и Python на забавных примерах, эта книга поможет вам в этом. книга - это ваша отправная точка.
Что внутри:
🔸Визуализируйте и исследуйте данные
🔸Применяйте регрессионные модели к данным по ходу игры
🔸Расширяйте регрессионные модели для решения задач классификации в футболе
Ссылка на книгу | 1 038 | 30 | Loading... |
Фото недоступнеДивитись в Telegram
📚Bayesian reasoning and machine learning (2018)
✍️Автор: Barber, D
📃Страниц: 740
Этот практический материал открывает такие возможности для студентов, изучающих информатику, со скромным математическим образованием. Он предназначен для студентов последнего курса и магистрантов с ограниченным опытом работы в области линейной алгебры и математического анализа. Комплексный и последовательный, он развивает все - от базовых рассуждений до продвинутых техник в рамках графических моделей.
Ссылка на книгу
👍 1
Фото недоступнеДивитись в Telegram
📚Think Bayes: Bayesian Statistics in Python (2021)
✍️Автор: Allen B. Downey
📃Страниц: 338
Из этой книги вы узнаете, как решать статистические задачи с помощью кода на Python вместо математических формул, используя дискретные распределения вероятностей, а не непрерывную математику. Как только вы разберетесь с математикой, основы байесовского подхода станут понятнее, и вы начнете применять эти методы к решению реальных задач.
Ссылка на книгу
👍 3🥰 1👾 1
Фото недоступнеДивитись в Telegram
📚Data Science Bookcamp: Five real-world Python projects (2021)
✍️Автор: Leonard Apeltsin
📃Страниц: 706
Книга не ограничивается поверхностной теорией и игрушечными примерами. Работая над каждым проектом, вы узнаете, как устранять такие распространенные проблемы, как отсутствие данных, беспорядок в данных и алгоритмы, которые не совсем соответствуют создаваемой вами модели
Ссылка на книгу
👍 3
Фото недоступнеДивитись в Telegram
📚Training Data for Machine Learning: Human Supervision from Annotation to Data Science (2023)
✍️Автор: Anthony Sarkis
📃Страниц: 169
В этом практическом руководстве автор Энтони Саркис (Anthony Sarkis), ведущий инженер программного обеспечения для обучения ИИ Diffgram, показывает техническим специалистам, менеджерам и экспертам в данной области, как работать с обучающими данными и масштабировать их, а также раскрывает человеческую сторону управления машинами. Руководители инженерных подразделений, инженеры по обработке данных и специалисты в области науки о данных получат четкое представление о концепциях, инструментах и процессах, необходимых им для успешного использования обучающих данных.
Ссылка на книгу
👍 2
Фото недоступнеДивитись в Telegram
📚Statistical Modeling Theory: Variable Types & Design Matrices (2024)
✍️Автор: Christopher Panaretos
📃Страниц: 112
В этой книге кратко объясняется, как статистические модели применяются к наборам данных. В первой части книги перечислены 16 типов переменных, которые используются в статистике, и эти типы могут применяться к прогнозирующим переменным или переменным отклика. Во второй части рассматриваются примеры наборов данных с использованием языка программирования R, описывающие различные комбинации типов предикторов и ответов.
Ссылка на книгу
👍 4❤ 2
Фото недоступнеДивитись в Telegram
📚SQL for Data Analysis: A Middle-Level Guide to Integrating SQL with Data Science Tools (2024)
✍️Автор: Johanson, Louis
📃Страниц: 107
Это идеальное решение для профессионалов, которые овладели основами SQL и готовы поднять свои навыки анализа данных на новую высоту. Это всеобъемлющее руководство предназначено для тех, кто работает на стыке владения SQL и обширных областей науки о данных, стремится углубить свои знания и легко интегрировать SQL с передовыми инструментами науки о данных.
Ссылка на книгу
👍 1
Фото недоступнеДивитись в Telegram
📚Modeling and Simulation in Python: An Introduction for Scientists and Engineers (2023)
✍️Автор: Allen B. Downey
📃Страниц: 215
Эта книга учит читателей анализировать сценарии реального мира с помощью языка программирования Python, для чего не требуется ничего, кроме знаний математики в средней школе.
Ссылка на книгу
👍 1❤ 1
Фото недоступнеДивитись в Telegram
📚Dive Into Data Science: Use Python To Tackle Your Toughest Business Challenges (2023)
✍️Автор: Deepak K. Kanungo
📃Страниц: 239
Эта книга для начинающих научит вас применять принципы data science для улучшения бизнес—стратегий - знание математики не требуется! Простые в изложении главы знакомят читателя с такими понятиями, как A/ B-тестирование, машинное обучение под наблюдением и без присмотра, веб-анализ и многое другое.
Ссылка на книгу
👍 2🥰 2👏 1
Фото недоступнеДивитись в Telegram
📚Probabilistic Machine Learning for Finance and Investing: A Primer to Generative AI with Python (2023)
✍️Автор: Deepak K. Kanungo
📃Страниц: 267
Отказавшись от ошибочных статистических методологий и традиционного взгляда на вероятность как на предельную частоту, вы придете к интуитивному пониманию вероятности как логики в рамках аксиоматической статистической структуры, которая всесторонне и успешно определяет неопределенность количественно. Эта книга покажет вам, как это сделать.
Ссылка на книгу
👍 2
Фото недоступнеДивитись в Telegram
📚Mastering Python for Bioinformatics: How to Write Flexible, Documented, Tested Python Code for Research Computing (2021)
✍️Автор: Ken Youens-Clark
📃Страниц: 458
Книга демонстрирует не только то, как писать эффективный код на Python, но и как использовать тесты для написания и рефакторинга научных программ. Вы познакомитесь с новейшими функциями и инструментами Python, включая средства компоновки, форматирования, проверки типов и тесты для создания документированных и протестированных программ. Вы также решите 14 задач в Rosalind, платформе для решения проблем в области биоинформатики и программирования.
Ссылка на книгу
👍 4