​Data Science For Dummies, 2nd Edition (2017)
Автор: Lillian Pierson
Количество страниц: 384

#english #book #beginner

Сосредотачиваясь на реальных бизнес-кейсах, книга раскрывает множество тем в областях больших данных и науки о данных. Если вы хотите получить навыки, необходимые для старта новой карьеры или проекта, чтение этой книги поможет вам понять, на какие технологии, языки программирования и математические методы вам следует ориентироваться.

Книга:
✔️Предоставляет начальные знания в области Data Science как основу для дальнейшей работы;
✔️Включает работу с Hadoop, MapReduce, Spark и NoSQL;
✔️Объясняет работу процессов машинного обучения и многих алгоритмов, эволюцию интернета вещей;
✔️Подробно описывает методы визуализации данных, которые можно использовать для демонстрации, обобщения и передачи генерируемой информации.

Достоинства:
➕Легко читается;
➕Хорошо подходит для начинающих.

Недостатки:
➖Не замечено.

Data Science from Scratch: First Principles with Python (2015)
Автор: Joel Grus
Количество страниц: 406

#english #book #beginner

Чтобы по-настоящему изучить Data Science, вы должны не только освоить инструменты — библиотеки, модули, фреймворки — но также понять идеи и принципы, лежащие в их основе. Автор показывает, как работают эти инструменты и алгоритмы, реализуя их с нуля. Книга поможет вам освоиться с математикой и статистикой в Data Science и получить необходимые навыки программирования.

Во время чтения книги вы:
✔️Сможете ускоренно выучить Python;
✔️Изучите основы линейной алгебры, статистики и теории вероятностей, и поймёте, как они используются в Data Science;
✔️Научитесь собирать, исследовать, очищать и работать с данными;
✔️Погрузитесь в основы машинного обучения;
✔️Изучите работу рекомендательных систем, обработку естественного языка, MapReduce и базы данных.

Достоинства:
➕Актуальность материала;
➕Множество примеров;
➕Широкий спектр тем.

Недостатки:
➖Не замечено.

​Serverless Programming Cookbook (2019)
Автор: Heartin Kanikathottu
Количество страниц: 490

#english #book #intermediate

Управление физическими серверами уйдёт в прошлое, когда вы сможете использовать возможности бессерверных вычислений. Если вы уже знакомы с основами, данное руководство поможет вам сделать шаг вперёд. Оно предлагает готовые решения проблем, с которыми вы можете столкнуться при создании бессерверных приложений.

Во время чтения книги вы научитесь:
✔️Работать с AWS;
✔️Разрабатывать полнофункциональные приложения с API Gateway, Cognito, Lambda и DynamoDB;
✔️Веб-хостинг с S3, CloudFront, Route 53 и AWS Certificate Manager;
✔️SQS и SNS для эффективной связи между микросервисами;
✔️Мониторинг и устранение неполадок с помощью CloudWatch.

Достоинства:
➕Множество реальных примеров;
➕Подробные описания.

Недостатки:
➖Не замечено.

​Advanced Analytics with Spark: Patterns for Learning from Data at Scale (2017)
Авторы:  Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills
Количество страниц: 280

#english #book #advanced

Авторы предоставляют набор шаблонов для выполнения крупномасштабного анализа данных с помощью Spark. Если у вас есть начальное понимание машинного обучения и статистики, и вы программируете на Java, Python или Scala, шаблоны из книги будут полезными для ваших проектов.

Во время чтения книги вы:
✔️Ознакомитесь с программированием со Spark;
✔️Изучите основы науки о данных;
✔️Сможете свободно ориентироваться в экосистеме Spark;
✔️Изучите решения, анализирующие большие общедоступные наборы данных;
✔️Узнаете, когда и где применять инструменты машинного обучения.

Достоинства:
➕Хорошо подходит для начинающих в Spark;
➕Большое разнообразие примеров;
➕Хороший авторский стиль.

Недостатки:
➖Старая версия Spark.

​Python For Bioinformatics, 2nd edition (2017)
Автор: Sebastian Bassi
Количество страниц: 452

#english #book #beginner

В современной биологии знания программирования могут пригодиться для превращения идей в проверяемые гипотезы. Основанная на обширном опыте автора, книга помогает биологам овладеть основами разработки программного обеспечения. Не требующая предварительного знания программирования, книга сосредотачивается на простом в использовании, но мощном Python.

Темы в книге:
✔️NoSQL базы данных;
✔️Anaconda, Bokeh;
✔️Использование GitHub для совместной разработки;
✔️Biopython и многие другие.

Достоинства:
➕Широкий спектр тем;
➕Множество примеров кода.

Недостатки:
➖Не замечено.

Клиент постоянно меняет вводные, а дедлайны горят? Выдохните — agile-метод спасет в условиях неопределенности. Разберитесь в подходе за три дня на онлайн-интенсиве от GeekBrains:

🧐 Освойте методики Scrum, Kanban и Lean, которые уже используют лидеры рынков.
💪 На практике научитесь выбирать лучшие решения для любой задачи.
✅ Поймете, как внедрить agile в работу.

Успейте подать заявку и повысьте свою эффективность — https://prglb.ru/lc4a

​R for Data Science: Import, Tidy, Transform, Visualize, and Model Data (2017)
Авторы: Hadley Wickham, Garrett Grolemund
Количество страниц: 520

#english #book #beginner

С помощью книги вы сможете узнать, как превращать необработанные данные в информацию и настоящие знания. Авторы знакомят читателя с R, RStudio и Tidyverse, коллекцией пакетов R, созданных для того, чтобы сделать работу с данными быстрой и увлекательной. Книга подходит для читателей без опыта программирования и предназначена научить быстро ориентироваться в Data Science.

Во время чтения книги вы:
✔️Научитесь преобразовывать ваши наборы данных в форму, удобную для анализа;
✔️Изучите мощные инструменты R для решения задач с данными с большей ясностью и лёгкостью;
✔️Научитесь исследовать ваши данные, создавать гипотезы и быстро их проверять;
✔️Изучите R Markdown и другое.

Достоинства:
➕Хороший авторский стиль;
➕Легко читается;
➕Множество примеров и иллюстраций.

Недостатки:
➖Не замечено.

​Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib (2018)
Автор: Robert Johansson
Количество страниц: 700

#english #book #intermediate

Книга учит читателя использовать математические модули в стандартной библиотеке Python и другими, такими как NumPy, SciPy, FiPy и matplotlib. Авторы показывают, как использовать Python в вычислениях решений и математическом моделировании в больших данных, облачных вычислениях, финансовом инжиниринге, управлении бизнесом и многом другом.

Чему вы научитесь:
✔️Работать с векторами и матрицами, используя NumPy;
✔️Визуализировать данные с matplotlib;
✔️Выполнять задачи анализа данных с Pandas и SciPy;
✔️Оптимизировать код Python с помощью Numba и Cython.

Достоинства:
➕Широкий спектр тем;
➕Хороший авторский стиль;
➕Практикоориентированность.

Недостатки:
➖Не хватает упражнений.

Как вы нашли свою первую работу в IT?

Поделитесь опытом: https://proglib.io/discussions/kak-vy-poluchili-svoyu-pervuyu-rabotu-v-it-2020-02-18

Готовим сильных Java-разработчиков за 6 месяцев. Единственная программа, где выпускники платят только за результат, то есть после трудоустройства. Никаких скрытых условий или кредитов. Первая зарплата от 100 000 рублей.

Пройти тестовое задание 🙋‍♂️👉 https://clck.ru/MEM6a

👇Что ждет студента:
1. Подготовка с личным ментором online по индивидуальной программе за 6 месяцев
2. Жесткий контроль знаний на каждом этапе
3. Обучение востребованному на рынке стеку технологий: Java Core, Maven, Git, Junit, Tomcat, Servlet, Spring MVC, Core, Security, Hibernate
4. Отработка знаний в настоящем бизнес проекте, который дает опыт и строчку для резюме
5. Поддержка и общение со студентами-разработчиками в групповом чате slack (уже более 1300 участников)
6. Быстрое карьерное и финансовое развитие за счет программы поддержки на 2 года: митапы, мастер-классы, закрытые лекции со спикерами и offline интенсивы

Требования:
— Обучение минимум 25 часов в неделю
— Проживание или готовность к переезду в Москву для трудоустройства

​Data Mining for Business Analytics: Concepts, Techniques, and Applications in R (2017)
Авторы: Galit Shmueli, Peter C. Bruce, Inbal Yahav, Nitin R. Patel, Kenneth C. Lichtendahl Jr.
Количество страниц: 576

#english #book #advanced

Книга предоставляет прикладной подход к методикам анализа данных с использованием языка R. Читатели узнают, как реализовать различные алгоритмы анализа данных в R для решения бизнес-задач. Книга охватывает как статические алгоритмы, так и алгоритмы машинного обучения для прогнозирования, классификации, визуализации, кластеризации и анализа текста.

Во время чтения книги вы:
✔️Изучите более десяти тематических исследований, демонстрирующих применение методов Data Mining;
✔️Узнаете, как правильно использовать R для анализа;
✔️Сможете выполнять упражнения в конце каждой главы, которые помогут оценить и расширить знания материала.

Достоинства:
➕Хорошая структурированность;
➕Множество примеров кода;
➕Широкий спектр тем.

Недостатки:
➖Подходит только тем, кто уже разбирается в теме.