Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 6 Stimmen.
Data Science for Business Professionals: A Practical Guide for Beginners (English Edition)
Einführung in die multidisziplinäre Welt der Data Science
Hauptmerkmale
⬤ Erforschen und nutzen Sie die Schlüsselkonzepte der Statistik, die zur Lösung von Data-Science-Problemen erforderlich sind.
⬤ Verwenden Sie Docker, Jenkins und Git für kontinuierliche Entwicklung und kontinuierliche Integration Ihrer Web-App.
⬤ Lernen Sie, wie Sie Data-Science-Lösungen mit GCP und AWS erstellen können.
Beschreibung
Das Buch erklärt zunächst das Was-Warum von Data Science und den Prozess der Lösung eines Data Science Problems. Darüber hinaus werden die grundlegenden Konzepte der Datenwissenschaft wie Statistik, maschinelles Lernen, Business Intelligence, Datenpipeline und Cloud Computing besprochen. Alle Themen werden anhand eines Beispielproblems erläutert und es wird gezeigt, wie die Industrie bei der Lösung eines solchen Problems vorgeht. Das Buch stellt den Lernenden Fragen, um die Probleme zu lösen und die Fähigkeit zur Problemlösung zu fördern und effektiv zu lernen. Das Buch verwendet Mathematik, wo immer es nötig ist, und zeigt Ihnen anhand eines Beispieldatensatzes, wie diese mit Python implementiert wird.
Was werden Sie lernen?
⬤ Verstehen Sie die multidisziplinäre Natur von Data Science.
⬤ Machen Sie sich mit den Schlüsselkonzepten der Mathematik und Statistik vertraut.
⬤ Erkunden Sie einige wichtige ML-Algorithmen und ihre Anwendungsfälle.
⬤ Lernen Sie, wie man die Grundlagen von Data Pipelines implementiert.
⬤ Verschaffen Sie sich einen Überblick über Cloud Computing & DevOps.
⬤ Lernen Sie, wie Sie Visualisierungen mit Tableau erstellen.
Für wen ist dieses Buch geeignet?
Dieses Buch ist ideal für Data Science-Enthusiasten, die verschiedene Aspekte der Data Science erforschen wollen. Nützlich für Akademiker, Unternehmer und Forscher, die ein schnelles Nachschlagewerk über industrielle Praktiken in der Datenwissenschaft benötigen.
Inhaltsverzeichnis
1. Datenwissenschaft in der Praxis.
2. Grundlagen der Mathematik.
3. Grundlagen der Statistik.
4. Explorative Datenanalyse.
5. Vorverarbeitung von Daten.
6. Merkmalstechnik.
7. Algorithmen des maschinellen Lernens.
8. Herstellung von ML-Modellen.
9. Datenflüsse in Unternehmen.
10. Einführung in Datenbanken.
11. Einführung in Big Data.
12. DevOps für Datenwissenschaft.
13. Einführung in das Cloud Computing.
14. Modell in der Cloud bereitstellen.
15. Einführung in Business Intelligence.
16. Datenvisualisierungstools.
17. Industrie Anwendungsfall 1 - FormAssist.
18. Industrie-Anwendungsfall 2 - PeopleReporter.
19. Lernressourcen für Datenwissenschaft.
20. Do It Your Self-Herausforderungen.
21. MCQs für Assessments.
Über den Autor
Das Buch wurde aus der kollektiven Erfahrung vieler vergangener Kundenprojekte, akademischer Kooperationen und Teammitglieder von Probyto in den letzten 5 Jahren geschrieben. Die kollektive Arbeit wird von verschiedenen Experten im Bereich der datengesteuerten Entscheidungsfindung und dem Anteil, den sie an der Wertschöpfung für die Kunden von Probyto haben, repräsentiert. Das Team setzt sich aus erfahrenen Fachleuten und Neulingen zusammen, die ebenfalls von dem im Buch beschriebenen Ansatz profitiert haben. Zwei wichtige Beiträge für das Buch gehen an Parvej Reja Saleh (Manager) und Namachivayam Dharmalingam (Senior Analyst).
Ihre Blog-Links: https: //probyto/resources/blogs.
Ihr LinkedIn-Profil: https: //www.linkedin.com/company/probyto.
| ISBN: | 9789389423280 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
