Leserbewertungen
Zusammenfassung:Das Buch „Data Analysis with Open Source Tools“ bietet eine umfassende Einführung in Datenanalysetechniken, wobei der Schwerpunkt eher auf theoretischen Aspekten als auf der praktischen Umsetzung mit Code liegt. Die Leser schätzen im Allgemeinen die Tiefe des Inhalts und die Einblicke des Autors, aber es gibt Kritikpunkte hinsichtlich der Struktur, der Tiefe der Beispiele und der Genauigkeit einiger Erklärungen.
Vorteile:⬤ Bietet einen gründlichen Überblick über verschiedene Datenanalysetechniken
⬤ gut geschrieben und zugänglich
⬤ präsentiert nützliche Einsichten und ermutigt zu unkonventionellem Denken
⬤ für Anfänger geeignet
⬤ enthält praktische Tools und Methoden
⬤ wertvoll für das Verständnis von Konzepten in der Tiefe.
⬤ Irreführender Titel in Bezug auf Open-Source-Tools
⬤ Es fehlen ausreichend funktionierende Code-Beispiele
⬤ Organisatorische Probleme mit dem Inhaltsfluss
⬤ Einige mathematische und statistische Ungenauigkeiten
⬤ Die Schriftgröße ist für ein angenehmes Lesen zu klein
⬤ Für diejenigen, die tiefe technische Details oder strenge praktische Beispiele suchen, möglicherweise nicht geeignet.
(basierend auf 52 Leserbewertungen)
Originaltitel:
Data Analysis with Open Source Tools: A Hands-On Guide for Programmers and Data Scientists
Inhalt des Buches:
Das Sammeln von Daten ist relativ einfach, aber um die Rohdaten in etwas Nützliches umzuwandeln, muss man wissen, wie man genau das herauszieht, was man braucht. Dieses aufschlussreiche Buch vermittelt Programmierern, die sich für Datenanalyse interessieren, Techniken für die Arbeit mit Daten in einer Geschäftsumgebung. Sie werden lernen, wie man Daten betrachtet, um herauszufinden, was sie enthalten, wie man diese Ideen in konzeptionellen Modellen festhält und wie man dann sein Verständnis durch Geschäftspläne, Metrik-Dashboards und andere Anwendungen in das Unternehmen zurückführt.
Auf dem Weg dorthin werden Sie in praktischen Workshops am Ende jedes Kapitels mit Konzepten experimentieren. Vor allem werden Sie lernen, wie Sie über die Ergebnisse, die Sie erreichen wollen, nachdenken können - anstatt sich auf Tools zu verlassen, die für Sie denken.
⬤ Verwenden Sie Grafiken, um Daten mit einer, zwei oder Dutzenden von Variablen zu beschreiben.
⬤ Entwickeln Sie konzeptionelle Modelle mit Hilfe von Rückwärtsberechnungen sowie Skalierungs- und Wahrscheinlichkeitsargumenten.
⬤ Daten mit rechenintensiven Methoden wie Simulation und Clustering auswerten.
⬤ Machen Sie Ihre Schlussfolgerungen mit Hilfe von Berichten, Dashboards und anderen Kennzahlensoftware verständlich.
⬤ Finanzielle Berechnungen, einschließlich des Zeitwerts des Geldes, zu verstehen.
⬤ Anwendung von Techniken zur Dimensionalitätsreduzierung oder prädiktiven Analyse zur Bewältigung schwieriger Datenanalysesituationen.
⬤ Machen Sie sich mit verschiedenen Open-Source-Programmierumgebungen für die Datenanalyse vertraut.
"Endlich ein kompaktes Nachschlagewerk, um zu verstehen, wie man Datenberge bewältigen kann." --Austin King, leitender Webentwickler, Mozilla.
"Ein unverzichtbarer Text für angehende Datenwissenschaftler." --Michael E. Driscoll, CEO/Gründer, Dataspora.
Weitere Daten des Buches:
| ISBN: | 9780596802356 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2010 |
| Seitenzahl: | 540 |
Kauf:
Derzeit verfügbar, auf Lager.
