Программирование | книги
47.3K subscribers
2.63K photos
36 links
Для программистов разных областей науки.

Навигация по тегам всегда в закрепе.

Чат канала: https://t.me/+GBl0ISybbi00NGYy

По всем вопросам: @altmainf

Регистрация в перечне РКН https://goo.su/PqEImo3
Download Telegram
#DataScience 2023

Data Science в действии

Автор: Апельцин Леонард

В проектах обработки и анализа данных много движущихся частей, и требуются практика и знания, чтобы создать гармоничную комбинацию кода, алгоритмов, наборов данных, форматов и визуальных представлений. Эта уникальная книга содержит описание пяти практических проектов, включая отслеживание вспышек заболеваний по заголовкам новостей, анализ социальных сетей и поиск закономерностей в данных о переходах по рекламным объявлениям. Автор не ограничивается поверхностным обсуждением теории и искусственными примерами.

Исследуя представленные проекты, вы узнаете, как устранять распространенные проблемы, такие как отсутствующие и искаженные данные и алгоритмы, не соответствующие создаваемой модели. По достоинству оцените подробные инструкции по настройке и детальные обсуждения решений, в которых описываются типичные точки отказа, и обретите уверенность в своих навыках.
#DataScience 2022

Методы, модели, средства хранения и обработки данных

Авторы: Э.Г. Дадян, Ю.А. Зеленков

В учебнике рассмотрены следующие вопросы: теория, методология и практика работы с данными, базами данных, базами знаний и хранилищами данных; модели представления данных в памяти компьютера — модель «сущность — связь»; дореляционные модели представления данных, реляционные базы данных; проектирование реляционных баз данных; направления развития баз данных; физическая организация систем управления базами данных.

Сформулированы концептуальные основы понятия «знание», изложены понятия и определения знаний, баз знаний, модели представления знаний. Здесь же даны принципы построения систем, ориентированных на анализ данных, — хранилища данных, модели данных, используемые при построении хранилищ данных. Рассмотрены основные вопросы защиты данных, обеспечения их безопасности и секретности, а также системы хранения и обработки больших данных.
#DataScience 2020

Наука о данных: учебный курс

Автор: C.C. Cкиeнa

Как дисциплина, наука о данных находится где-то на пересечении статистики, информатики и машинного обучения, но стоит она отдельно, как самостоятельный персонаж.

Эта книга служит введением в науку о данных, сосредоточиваясь на навыках и принципах, необходимых для построения систем, предназначенных для анализа и интерпретации данных.
#DataScience #МатСтат 2018

Практическая статистика для специалистов Data Science

Авторы: Брюс П., Брюс Э.

Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны и почему.

Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя.
#Python #DataScience 2026

Python для сложных задач: наука о данных, 2-е международное издание

Автор: Джейк Вандер Плас
Python — первоклассный инструмент, и в первую очередь благодаря наличию множества библиотек для хранения, анализа и обработки данных. Отдельные части стека Python описываются во многих источниках, но только в новом издании «Python для сложных задач» вы найдете подробное описание: IPython, NumPy, pandas, Matplotlib, Scikit-Learn и др.

Специалисты по обработке данных, знакомые с языком Python, найдут во втором издании решения таких повседневных задач, как обработка, преобразование и подготовка данных, визуализация различных типов данных, использование данных для построения статистических моделей и моделей машинного обучения. Проще говоря, эта книга является идеальным справочником по научным вычислениям в Python.
#DataScience #MSOffice #R #Python #АнализДанных 2023

Погружение в аналитику данных. От Excel к Python и R

Автор: Джордж Маунт

В книге приводятся практические приемы анализа данных. Рассказано, как исследовать и тестировать взаимосвязи между переменными в Excel и использовать его для статистики и анализа. Описан перенос данных из Excel в R, язык программирования с открытым исходным кодом, специально разработанный для выполнения статистического анализа. Отдельный раздел посвящен переносу данных из Excel в Python и выполнению полного анализа данных средствами этого языка.

В результате читатель научится выполнять разведочный анализ данных (Exploratory Data Analysis, EDA) и проверку гипотез с использованием языков программирования Python и R.
#MachineLearning #DataScience 2023

Проектирование систем машинного обучения

Автор: Чип Хьюен

Сегодня машинное обучение — основной практический аппарат для применения искусственного интеллекта. Книга, основанная на стэнфордском учебном курсе, не ограничивается разбором конкретных библиотек, а описывает высокоуровневый подход к разработке систем машинного обучения, который упрощает их поддержку и развитие, позволяет избежать переобучения, искажения результатов.

Рассказано, как сделать новую систему машинного обучения или нейронную сеть надёжной, репрезентативной и расширяемой, а также качественно доработать уже существующие системы. Также показано, как подобрать библиотеки и алгоритмы с учётом имеющегося множества данных и действующих бизнес-требований, конструировать признаки и отслеживать метрики.

Книга адресована программистам и специалистам по data science.
#DataScience 2024

Основы инженерии данных: как создавать надёжные системы обработки данных

Авторы: Д. Рис, М. Хоусли

Базовая книга по инженерии данных. Рассмотрены все аспекты проектирования и эксплуатации различных архитектур данных, а также полный жизненный цикл работы с данными: подготовка, поглощение, преобразование, очистка, сочетание, оркестрация, конвейеризация. Особое внимание уделено облачным технологиям, распределению нагрузки и безопасному хранению данных. Разобраны приёмы формирования запросов, работы с базами данных и отслеживания потоков данных.

Книга даёт исчерпывающее представление о проектировании систем для обработки разнородных данных, поддержании этих систем в упорядоченном и доступном виде и о тенденциях развития современной индустрии данных.
#Python #Django #DataScience 2025

Python, Django, Data Science

Авторы: Протодьяконов А.В., Пылов П.А., Майтак Р.В.

Показаны основы работы на Python, а также два его основных ответвления – веб-разработка на Django и область прикладного искусственного интеллекта, являющаяся частью Data Science. Для студентов и сотрудников высших технических учебных заведений, а также специалистов прикладной сферы анализа данных.
1
#Python #DataScience 2023

Изучаем основы Python. Практический курс для дата-аналитиков

Автор: П.И. Меликов

Издание представляет собой практический курс, состоящий из 13 разделов (12 из которых интерактивные — для среды JupyterLab). Курс содержит введение в основы языка Python с дальнейшим упором на аналитику данных (работа с наборами данных, статистика, язык SQL, метрики и машинное обучение). Формат материала прост для понимания, а каждый новый раздел включает в себя набор необходимых файлов, ссылок и практических заданий.

Предназначено для широкого круга читателей, интересующихся вопросами программирования и аналитики данных на Python. Благодаря рассмотрению основ языка Python потенциальной аудиторией курса могут являться обучающиеся, ранее не изучавшие программирование.
#DataScience #Маиематика #МатСтат 2025

Математика для data science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики

Автор: Томас Нилд

Освойте математический аппарат, который необходим, чтобы преуспеть в сфере data science, машинного обучения и статистики. Автор книги Томас Нилд поможет вам разобраться в таких дисциплинах, как математический анализ, теория вероятностей, линейная алгебра и статистика, и научиться применять их в контексте таких методов, как линейная регрессия, логистическая регрессия и нейронные сети.

Попутно вы узнаете, что представляет собой современная область data science и как использовать полученные знания, чтобы достичь максимального успеха в карьере. Чтобы запускать примеры из этой книги, вам нужен только компьютер с любой операционной системой (Windows, macOS или Linux) и любая среда разработки Python 3. Основные библиотеки Python, которые нам понадобятся, — это Numpy, Scipy, Sympy и Sklearn. Если вы не знакомы с Python, то знайте, что это дружелюбный и простой в использовании язык программирования с огромным количеством обучающих материалов.
#MSOffice #Python #R #DataScience #ВизуализацияДанных 2025

Excel с Python и R: раскройте потенциал расширенной обработки и визуализации данных

Автор: Сандерсон Стивен

Интеграция Python и R с Excel изменит ваш подход к анализу данных с использованием электронных таблиц. Вы сможете автоматизировать задачи статистического анализа и создавать мощные визуализации, научитесь выполнять разведочный анализ данных и анализ временных рядов и даже интегрировать различные API для максимальной эффективности. И новички, и эксперты найдут в этой книге все необходимое, чтобы раскрыть весь потенциал Excel и поднять навыки анализа данных на новый уровень.
#DataScience 2025

Data Science: проблемы и решения

Авторы: Ватьян А.С., Гусарова Н.Ф., Добренко Н.В.

Наука о данных (Data Science, DS) на сегодняшний день формирует группу самых востребованных приложений ИТ в бизнесе.

Пособие не только описывает методологии DS проекта, представляющие собою симбиоз предметных знаний разных областей и возможностей машинного обучения и искусственного интеллекта и поддерживающими их технологическими решениями, но и формирует базовое понимание научных основ этих решений. Большое внимание уделяется источникам ошибок при реализации этих проектов и мерам по их предупреждению.

В пособии сделана попытка отразить пересечение всех этих тенденций. Насколько известно авторам, материал такого охвата предлагается русскоязычным читателям впервые.
#DataScience #Python #ВизуализацияДанных 2025

Изучаем Data Science: обработка, исследование, визуализация и моделирование данных с помощью Python

Авторы: Гонсалес Джозеф, Лау Сэм, Нолан Дебора

Рассмотрена работа с инструментами pandas и SQL, методы выявления закономерностей и очистки данных. Описаны различные источники информации, включая текстовые, бинарные и веб-данные. Подробно изложены статистические методы: доверительные интервалы, проверка гипотез, конструирование признаков.

Приведены практические примеры на языке Python из разных областей: анализ транспортных систем, экологические исследования, ветеринарная аналитика. Заключительные разделы посвящены логистической регрессии и оптимизации моделей с применением к задачам классификации текстов.
#АнализДанных #R #DataScience 2025

Основы анализа данных на языке R. Пошаговый разбор методов

Автор: Н. Ткаченко

Эта книга обеспечит читателя жизненно важными инструментами и знаниями, необходимыми для успешной работы с данными. Вы освоите полный процесс сбора, обработки, валидации и восполнения пропущенных данных с помощью кода на языке R. Для работы с примерами достаточно лишь базового понимания языка, а некоторые главы вообще не требуют навыков программирования.
#DataScience 2026

Архитектуры данных: современные решения для любых задач

Автор: Джеймс Серра

Ткань данных, озеро данных и сетка данных появились относительно недавно и стали рассматриваться как конкурентные альтернативы современному хранилищу данных. У новых архитектур действительно есть весомые преимущества, но, помимо этого, они окружены ореолом предубеждений и мифов. Книга содержит практический обзор архитектур данных, который поможет специалистам в области обработки данных понять преимущества и недостатки каждой из них.

Джеймс Серра, архитектор решений Big Data и хранилищ данных, работающий в Microsoft, рассматривает общие концепции архитектур данных, в том числе то, как хранилищам данных пришлось эволюционировать, чтобы работать с функциями озер данных. Вы узнаете, чем хороши озера-хранилища данных, а также как отличить раздуваемый вокруг сеток данных ажиотаж от их реальных возможностей. А самое главное, вы научитесь определять наиболее подходящую архитектуру данных для своих нужд.
#DataScience #Spark #АнализДанных 2026

Архитектура медальона. Проектирование с помощью Delta Lake и Spark

Автор: Стренгхольт П.

Вы получаете не очередную «теорию уровней», а полное практическое руководство, позволяющее разобраться, как правильно проектировать и реализовывать каждый уровень на Microsoft Fabric и Azure Databricks (с готовыми примерами кода и GitHub-репозиторием); реальные кейсы внедрения в AP Pension, Amadeus и ZEISS; рекомендации о том, как вписать медальон в data mesh; разбор таких вопросов, как контракты данных, безопасность и генеративный ИИ (включая RAG и работу с неструктурированными данными).
#DataScience 2026

Data Science. Лучшие практики

Автор: Дэниел Воган

Не только владение определенными методами и практиками, но и умение применять их там, где это действительно имеет значение, отличает хорошего специалиста по данным от выдающегося. Эта книга для тех, кто хочет выйти за рамки учебных примеров и научиться строить проекты, приносящие ощутимую ценность бизнесу.
#АнализДанных #DataScience 2026

Думай как аналитик. Статистика и данные с примерами на Python. 3-е изд.

Автор: Аллен Дауни

Умение писать код — это все, что нужно, чтобы извлекать из данных ценные выводы и находить ответы на сложные вопросы. В этом полностью переработанном издании статистические концепции представлены не в виде громоздких математических формул, а как стройный вычислительный процесс на языке Python. На практических примерах с использованием реальных датасетов изучите весь цикл разведочного анализа данных — от первичной обработки данных и подсчета статистик до выявления закономерностей и проверки гипотез.

Являетесь ли вы специалистом data science, инженером-разработчиком или просто интересуетесь данными, вы быстро освоите такие популярные инструменты, как NumPy, SciPy и Pandas. Познакомьтесь с функциями распределения, статистическими зависимостями между переменными, методами визуализации и многими другими концепциями. Кроме того, все главы книги доступны в виде Jupyter-блокнотов, позволяющих читать текст, запускать код и выполнять упражнения, не переключаясь между инструментами.

При написании этой книги я исходил из того, что вы знакомы с основами языка Python, в том числе объектно-ориентированным программированием. Знакомство с библиотеками NumPy и Pandas будет полезно, но необязательно: я дам все необходимые пояснения. Я также предполагаю, что вы знакомы с основными понятиями математики, например логарифмами и суммированием. От вас не требуется знание линейной алгебры или математического анализа. Один раз я буду говорить о производных и интегралах, но если вы не знакомы с этими понятиями, ничего страшного. И наконец, знаний статистики для чтения книги не требуется.
#API #ИИ #DataScience 2026

Прикладные API для искусственного интеллекта и Data Science: разработка на Python с применением FastAPI и Langchain

Автор: Райан Дэй

Книга рассказывает о проектировании API для обработки данных и взаимодействия с большими языковыми моделями. Рассматривается работа с языком Python и его фреймворками FastAPI, Streamlit и LangChain. Рассматривается интеграция API в имеющиеся рабочие процессы, типичные для обработки данных, вывод приложения в облако, подбор интерфейсов для обслуживания различных задач, применение больших языковых моделей класса GPT для оптимизации и ускорения проектирования API.