1. Уважаемые посетители форума ЭСПП!

    Для просмотра сообщений достаточно прокрутить данное сообщение, а для просмотра списка разделов - вызвать "Каталог".

    Для комментариев необходимо предварительно ознакомиться c Правилами Форума и пройти регистрацию!



    Для того, чтобы быстро ознакомится с возможностями форума, загляните в подраздел Для новичков.

    Если при входе на форум появляется сообщение об ошибке, попробуйте восстановить или сменить пароль, нажав здесь.

Книжная полка аналитика. Разберись в Data Science

Тема в разделе 'Тукачев Ю.А.', создана пользователем Тукачев Ю.А., 7 май 2023.

  1. Тукачев Ю.А.

    Тукачев Ю.А. Администратор Команда форума

    Продолжаю публиковать свои рекомендации книг.
    DS.jpg
    Эта книга поможет вам построить ментальную модель для понимания науки о данных, статистики и машинного обучения. Ментальная модель — это упрощенное представление наиболее важных элементов некоторой предметной области, достаточное для решения проблем. Думайте о ней как о хранилище в вашем мозгу, в которое вы можете поместить информацию. Некоторые книги и статьи начинаются со списка определений: «Машинное обучение — это…», «Глубокое обучение — это…» и так далее. Чтение технических определений в отсутствие ментальной модели, в которую эту информацию можно было бы вписать, похоже на скупку одежды, которую вам негде хранить. Рано или поздно вся она окажется на свалке. Однако с помощью ментальной модели вы научитесь понимать, думать и говорить на языке данных. Вы станете главным по данным. В частности, прочитав эту книгу, вы сможете:
    — Думать статистически и понимать, какую роль вариации играют в вашей жизни и процессе принятия решений.
    — Разбираться в данных — разумно говорить и задавать правильные вопросы о статистике и результатах, с которыми сталкиваетесь на рабочем месте.
    — Осознавать истинное положение вещей в сфере машинного обучения, текстовой аналитики, глубокого обучения и искусственного интеллекта.
    — Избегать распространенных ловушек при работе с данными и их интерпретации.
    Полистать книгу можно в Google Books.
    #книги #книжная_полка_аналитика #наука_о_данных #DataScience
  2. Дюк В.А.

    Дюк В.А. Участник

    Я предлагаю прежде всего задаться вопросом и попытаться ответить на него: "Почему потребовалось вводить новые термины - наука о данных, распознавание образов, машинное обучение, нейросетевой подход в ИИ"? Чем не устраивали теория вероятностей и математическая статистика? Ведь дело не только в объёмах и разнородности данных. После нахождения ответа на этот вопрос ментальная модель для понимания науки о данных будет построена автоматически )
  3. Хохлов Н.А.

    Хохлов Н.А. Администратор Команда форума

    Вот книги на эту тему, которыми я пользуюсь сейчас:
    1. Боровиков В.П. Популярное введение в современных анализ данных и машинное обучение на STATISTICA. – М.: Горячая линия – Телеком, 2021. – 354 с.
    2. Груздев А.В. Прогнозное моделирование в IBM SPSS Statistics и R: Метод деревьев решений. – М.: ДМК Пресс, 2016. – 278 с.
    3. Жерон О. Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем: пер. с англ. – 2-е изд. – СПб.: ООО «Диалектика», 2020. – 1040 с.
    4. Левитин А.В. Алгоритмы: введение в разработку и анализ: пер. с англ. – М.: Издательский дом «Вильямс», 2006. – 576 с.
    5. Мыльников Л.А. Статистические методы интеллектуального анализа данных. – СПб.: БХВ-Петербург, 2021. – 240 с.
    6. Рашка С., Мирджалили В. Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow 2: пер. с англ. – 3-е изд. – СПб.: «Диалектика», 2020. – 848 с.
    7. Сирота А.А. Методы и алгоритмы анализа данных и их моделирование в MATLAB: учеб. пособие. – СПб.: БХВ-Петербург, 2016. – 384 с.
    8. Скиена С.С. Наука о данных: учебный курс: пер. с англ. – СПб.: ООО «Диалектика», 2020. – 544 с.
    Последнее редактирование: 7 май 2023
  4. Свириденко И.Н.

    Свириденко И.Н. Локомотив

    Юра, Никита, спасибо! А кроме полистать, есть ли у вас прямые ссылки скачать?
  5. Тукачев Ю.А.

    Тукачев Ю.А. Администратор Команда форума

    купить на литрес
  6. Хохлов Н.А.

    Хохлов Н.А. Администратор Команда форума

    Некоторые книги можно найти в Интернете, но большинство у меня в бумажном виде. Мне важно сохранение исходной вёрстки, чтобы можно было цитировать конкретные страницы.
    Тукачев Ю.А. нравится это.
  7. Завоеванная Н.С.

    Завоеванная Н.С. Администратор Команда форума

    Пролистала на гугл, мне понравилось. Хорошо написано. Спасибо за рекомендацию . В избранном лежит
    Тукачев Ю.А. нравится это.
  8. Хохлов Н.А.

    Хохлов Н.А. Администратор Команда форума

    Добавлю ещё:
    Алексеев Д.С., Щекочихин О.В. Технологии интеллектуального анализа данных: учебник для вузов. - СПб.: Лань, 2022. - 176 с.
    Берман К. Основы Python для Data Science: пер. с англ. – СПб.: Питер, 2023. – 272 с.
    Петрунин Ю.Ю. Информационные технологии анализа данных. Data analysis: учебное пособие. - 2-е изд. - М.: КДУ, 2010. - 292 с.
  9. Ярославцева Е.И.

    Ярославцева Е.И. Локомотив

    Спасибо, коллеги! Неплохо сделана аннотация книги. Хочется посмотреть, в первую очередь для того, чтобы понять, а на основе чяего даются такие определения. Собственно говоря, мне понравился вопрос Вячеслава Анатольевича - чем не устраивает терминология предыдущего этапа счетно-вычислительных процеду. Ну скорость меньше, но она нужна для того, чтобы справиться с валом цифр. Когда вычислитель, то есть - компьютер превратился в субъекта и стал обучаться?
    Вот с психологической точки зрения это событие, на которое надо обратить внимание. Может быть для того, чтобы опубликовать скрытое, обеспечить повышение интереса к такому рутинному делу? Может быть сами изобретатели заблуждаются? Почему никто не задумывается о методологии этого имитационного процесса, который осуществляется на каждом шагу. Просто эстетитеское чувство?
    Все статистические исчисления - это, по сущшеству, тоже имитация, проводимая посредством базы данных, чисто модельный образ! Хорошо, что к нему порождается картинка - она будет полезна тому, у кого своей не возникает. Но в принципе, при любой задаче моделирования такая картинка неизбежно формируется.
    И в прогнозе эта подстановка к неживому характеристик живого будет сдуваться, поскольку будет распадаться, раздваиваться понимание процессов, например, "машинного обучения". Разве куда-то исчезла команда кодировщиков, которая пишет программу? Почему они остаются в тени и творчество человека, даже рутинное, никак не признается, и за эту рутинную работу никак не поддерживаются?
    Думаю надо критически относиться к менеджерским заголовкам перечисленных ранее книжек, так как его цель - продвинуть и на этом все бросить. За качественную сторону вопроса менеджер не отвечает. С кого будет спрос? Особкенно за те страшилки, которые недавно изображали Илон Маск и Такер Карлсон.
    Коллеги, давайте вклбючать свой интеллект! Хватит прятаться за искусственный!
    Савченко П.С. и Попова О.С. нравится это.