Data Science from Scratch: First Principles with Python, Джоэл Граус
Переиздание 2019 года, обновленное для Python 3.6.Автор — исследователь ИИ в Институте Аллена и бывший инженер Google.
В этой книге рассматриваются основы линейной алгебры, статистики и теории вероятностей, а также их применение в науке о данных с примерами на Python.Кроме того, в книге рассматриваются основы машинного обучения и наиболее популярные модели науки о данных, включая нейронные сети.
В рецензиях отмечается, что автор уделяет особое внимание фундаментальным принципам, а не библиотекам Python.
Data Science for Beginners: 4 книги в 1, Эндрю Парк
Эта книга также предназначена для начинающих, но в ней основное внимание уделяется инструментам.Руководство включает четыре книги:
- Python for Beginners.Основы языка, от установки и переменных до работы с файлами.В книге есть упражнения и примеры кода.
- Python для анализа данных.Основы библиотек Python, используемых для обработки данных: PyTorch, Pandas и других.
- Python для машинного обучения.Как работать с машинным обучением в Python.Здесь: нейронные сети.
- Python для науки о данных.Углубленное изучение алгоритмов науки о данных и примеры реальных приложений.
Python для анализа данных: обработка данных с помощью Pandas, NumPy и IPython, Уэс МакКинни
Книга написана автором библиотеки Pandas для Python, хотя руководство охватывает не только её, но также NumPy и IPython. Вот примеры использования этих инструментов для обработки, анализа и визуализации данных.
Все примеры и файлы данных, с которыми работает автор книги, доступны на GitHub.
Руководство вышло в двух изданиях: последнее, 2017 года, актуально для Python 3.6.
R для науки о данных: импорт, очистка, преобразование, визуализация и моделирование данных, Хэдли Уикхэм, Гарретт Гролемунд
Наука о данных — это не только Python.Это подтверждается тем, что эта книга входит в топ-6 лучших книг по науке о данных на Amazon и занимает второе место в категории «Математическое & Статистическое программное обеспечение».
Оба автора книги активно участвуют в разработке языка R. В книге они рассказывают о работе с RStudio и tidyverse — IDE и набором R-пакетов для науки о данных соответственно.
Руководство подходит даже тем, кто никогда не программировал.
«Практическая статистика для специалистов по данным: более 50 основных концепций с использованием R и Python», Питер Брюс, Эндрю Брюс, Питер Гедек
Эта книга предназначена для тех, кто уже освоил основы Python и R и хочет усовершенствовать свои знания в определённых областях науки о данных.Основное внимание уделяется статистике.По словам авторов, это ключевой раздел науки о данных, но очень немногие специалисты по данным изучают её отдельно.
В руководстве рассказывается, как получать высококачественные наборы данных, анализировать их и работать даже с неразмеченными данными.Также обсуждаются статистические методы машинного обучения.
Примеры кода сначала написаны на языке R, а затем продублированы на Python.
Data Science on AWS: Реализация сквозных, непрерывных конвейеров искусственного интеллекта и машинного обучения, Крис Фрегли, Антже Барт
Важно не только успешно разрабатывать реальные проекты в области Data Science, но и разворачивать их.Эта книга — практическое руководство по работе с Amazon Web Services.Авторы научат вас быстро и эффективно работать в облаке.В книге рассматриваются следующие темы:
- автоматизированное машинное обучение с помощью SageMaker Autopilot;
- использование обработки естественного языка на основе BERT;
- потоковая аналитика с использованием Amazon Kinesis и управляемого потокового вещания для Apache Kafka;
- обеспечение безопасности проекта.
«Как стать лидером в науке о данных», Джике Чонг, Юэ Кэти Чан
Ваша цель — стать лидером команды специалистов по науке о данных?Эта книга для вас.Авторы, бывшие руководители команд по работе с данными в LinkedIn, делятся советами по управлению небольшим количеством людей и даже по разработке стратегий для всей компании.
Книга вышла в 2021 году. В отзывах отмечается, что это отличное руководство по построению карьеры, даже если вы только начинаете свой путь в науке о данных.
«Как пройти собеседование в науке о данных», Ник Сингх, Кевин Хо
Заключительная книга в этом сборнике — бестселлер Amazon, который также поможет вам построить карьеру в науке о данных.Она содержит 201 вопрос, который задают на собеседованиях FAANG.
Авторы — бывшие сотрудники Facebook. В книге они делятся не только вопросами, но и подробными ответами, объясняя наиболее важные концепции и решения.