Исчерпывающее руководство по основам Data Science.
Что мешает раскрытию истинного потенциала науки о данных? Очевидно, проблема не в медленных алгоритмах, не в недостатке данных и уж точно не в нехватке вычислительной мощности или дата-сайентистов. Дело в распространенном заблуждении, что Data Science — это сложно и заниматься наукой о данных могут только опытные программисты. На самом деле, это не так.
Эта книга развеет все мифы и научит вас:
• Мыслить статистически и понимать, какую роль в вашей работе и играет аналитика.
• Пользоваться языком науки о данных, то есть осмысленно говорить и задавать правильные вопросы относительно статистики.
• Понимать реально
Что мешает раскрытию истинного потенциала науки о данных? Очевидно, проблема не в медленных алгоритмах, не в недостатке данных и уж точно не в нехватке вычислительной мощности или дата-сайентистов. Дело в распространенном заблуждении, что Data Science — это сложно и заниматься наукой о данных могут только опытные программисты. На самом деле, это не так.
Эта книга развеет все мифы и научит вас:
• Мыслить статистически и понимать, какую роль в вашей работе и играет аналитика.
• Пользоваться языком науки о данных, то есть осмысленно говорить и задавать правильные вопросы относительно статистики.
• Понимать реально
- -17%
Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт
Купили более 1 500 человек
Описание и характеристики
Что мешает раскрытию истинного потенциала науки о данных? Очевидно, проблема не в медленных алгоритмах, не в недостатке данных и уж точно не в нехватке вычислительной мощности или дата-сайентистов. Дело в распространенном заблуждении, что Data Science — это сложно и заниматься наукой о данных могут только опытные программисты. На самом деле, это не так.
Эта книга развеет все мифы и научит вас:
• Мыслить статистически и понимать, какую роль в вашей работе и играет аналитика.
• Пользоваться языком науки о данных, то есть осмысленно говорить и задавать правильные вопросы относительно статистики.
• Понимать реальное положение вещей в таких областях, как машинное обучение, текстовая аналитика, глубокое обучение и искусственный интеллект.
• Избегать распространенных ошибок при работе с данными и их интерпретацией.
Руководство будет полезным каждому желающему научиться ориентироваться в грядущем будущем, неразрывно связанным с Data Science.
- Тип обложки Твёрдый переплёт
- Кол-во стр. 304
- Вес 603 г
- Год издания 2026
- Издательство Эксмо
- Издательский бренд БОМБОРА
- Серия Data Science. Лучшие книги о науке о данных
- Автор Алекс Дж. Гатман, Джордан Голдмейер
- Переводчик М.А. Райтман
- Тип бумаги Офсет
- Размер 2.1x17.5x24.5
- ID товара 2963944
- ISBN 978-5-04-174810-4
- Возрастное ограничение 12+
Отзывы
Сначала новые
Очень интересная книга отлично помогает как и хорошим так и новичкам в программировании в книге написана так сказать база которую всем советую прочитать и хотелось бы отдельно выделить про то как автор рапсисывает все очень простым и свободным языком без лишней воды а под конец скажу что книга в целом очень хорошая и заслуживает внимания твердая оценка 10/10
Подарила брату книгу Гатмана и Голдмейера. Сказал впечатлён. С его слов: «Авторы учат думать как аналитик (проверять данные на враньё, например) плюс учат не инструментам, а тому, как задавать правильные вопросы и выявлять искажения. Без занудства, с кейсами.»
Плюсы
Без лишней математики, формул и занудства. Для него главный плюс - учит не доверять данным слепо.
Минусы
Не хватило практики на Python, мало кода.
Эта книга — не учебник и не справочник. Это короткий, честный разговор о том, что такое наука о данных на самом деле: не набор инструментов и библиотек, а способ мышления.
Плюсы
Книга написана без воды и без снобизма — доступно, но не примитивно. Она одинаково полезна и начинающему аналитику, и менеджеру, который работает с командой данных.
Минусы
Тем, кто ищет технические знания — код, алгоритмы, математику — книга покажется разочаровывающе абстрактной. Это концептуальное введение, а не практическое руководство.
Очень поверхностное изложение материала. Очень много воды. Даже начинающему не будет полезна. Книга не позволит разобраться в основных методах, используемых в Data science, поскольку автор даже не пытается что-либо объяснять, а просто отсылает к другим источникам. Перевод также не очень удачный.
Плюсы
Бумага неплохая.
Минусы
Очень много "воды". Поверзеостное изложение маиериала.