Теоретический минимум по Big Data, Все, что нужно знать о больших данных, Ын А., Су К., 2019.
Сегодня Big Data — это большой бизнес.
Нашей жизнью управляет информация, и извлечение выгоды из нее становится центральным моментом в работе современных организаций. Неважно, кто вы — деловой человек, работающий с аналитикой, начинающий программист или разработчик. «Теоретический минимум по Big Data» позволит не утонуть в бушующем океане современных технологий и 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 Bia Data.
Почему Data Science?
Представьте себе, что вы молодой врач. К вам пришел пациент, который жалуется на одышку, боли в груди и периодическую изжогу. Вы убедились, что его давление и показания сердечного ритма в норме и ничего подозрительного у него прежде не замечалось.
Вы также отметили его полноту. Поскольку такие симптомы типичны для людей с избыточным весом, вы заверили его, что все в порядке, и посоветовали найти время для упражнений.
Слишком часто это приводит к неверному диагнозу при сердечно-сосудистых заболеваниях. У пациентов в этом состоянии проявляются симптомы, которые схожи с симптомами ожирения, и врачи прекращают диагностику, которая могла бы обнаружить более серьезное заболевание.
Мы — люди, и наши суждения обусловлены ограниченным субъективным опытом и несовершенными знаниями. Это ухудшает процесс принятия решения и, как в случае с неопытным врачом, удерживает от дальнейших проверок, которые могли бы привести к более точным выводам.
Содержание.
Предисловие.
Введение.
Почему Data Science?.
Глава 1. Об основах без лишних слов.
Глава 2. Кластеризация методом k-средних.
Глава 3. Метод главных компонент.
Глава 4. Ассоциативные правила.
Глава 5. Анализ социальных сетей.
Глава б. Регрессионный анализ.
Глава 7. Метод k-ближайших соседей и обнаружение аномалий.
Глава 8. Метод опорных векторов.
Глава 9. Дерево решений.
Глава 10. Случайные леса.
Глава 11. Нейронные сети.
Глава 12. А/В-тестирование и многорукие бандиты.
Приложения.
Глоссарий.
Литература и ссылки на источники.
Об авторах.
Купить .
По кнопкам выше и ниже «Купить бумажную книгу» и по ссылке «Купить» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.
По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес», и потом ее скачать на сайте Литреса.
По кнопке «Найти похожие материалы на других сайтах» можно найти похожие материалы на других сайтах.
On the buttons above and below you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.
Теги: учебник по программированию :: программирование :: Ын :: Су
Смотрите также учебники, книги и учебные материалы:
- Чистая архитектура, Искусство разработки программного обеспечения, Мартин Р., 2018
- Хакинг, Искусство эксплойта, Эриксон Д., 2018
- Head First, Паттерны проектирования, Обновленное юбилейное издание, Фримен Э., Робсон Э., Сьерра К., Бейтс Б., 2018
- Теоретический минимум по Computer Science, Все, что нужно программисту и разработчику, Феррейра Ф.В., 2018
- Стандартная библиотека C++, Справочное руководство, Джосаттис Н.М., 2014
- Python 3 для сетевых инженеров, Самойленко Н., 2017
- Программирование компьютерного зрения на языке Python, Ян Эрик Солем, 2016
- Совершенный алгоритм, Основы, Рафгарден Т., 2019