Bewertung:
Das Buch wird für seine theoretischen Einblicke und praktischen Code-Beispiele in der Datenwissenschaft mit Java gut aufgenommen. Es wird jedoch für die Wahl von Java als Sprache für die Datenwissenschaft kritisiert, da viele diese Sprache im Vergleich zu anderen Sprachen als schwerfällig und unzureichend in Bezug auf verfügbare Tools empfinden.
Vorteile:Vermittelt ein gutes Verständnis der datenwissenschaftlichen Konzepte mit praktischen Codebeispielen; gut strukturierter theoretischer Rahmen.
Nachteile:⬤ Java wird nicht als ideale Sprache für die Datenwissenschaft angesehen, da es unhandlich und schwer lesbar ist
⬤ im Vergleich zu anderen Sprachen nur wenige Werkzeuge für die Datenwissenschaft in großem Maßstab zur Verfügung stehen
⬤ in der Vorschau fehlt ein Inhaltsverzeichnis.
(basierend auf 3 Leserbewertungen)
Data Science with Java: Practical Methods for Scientists and Engineers
Data Science boomt dank R und Python, aber Java bietet die Robustheit, den Komfort und die Skalierbarkeit, die für die heutigen Data-Science-Anwendungen entscheidend sind. Mit diesem praktischen Buch können Java-Software-Ingenieure, die ihre Kenntnisse in Data Science erweitern möchten, eine logische Reise durch die Data Science Pipeline unternehmen. Der Autor Michael Brzustowicz erklärt die grundlegenden mathematischen Theorien, die hinter jedem Schritt des Data-Science-Prozesses stehen, und wie man diese Konzepte mit Java anwendet.
Sie lernen die entscheidenden Rollen kennen, die Data IO, lineare Algebra, Statistik, Datenoperationen, Lernen und Vorhersage sowie Hadoop MapReduce in diesem Prozess spielen. In diesem Buch finden Sie Codebeispiele, die Sie in Ihren Anwendungen verwenden können.
⬤ Untersuchen Sie Methoden zur Gewinnung, Bereinigung und Anordnung von Daten in ihrer reinsten Form.
⬤ Verstehen Sie die Matrixstruktur, die Ihre Daten annehmen sollten.
⬤ Grundlegende Konzepte zum Testen der Herkunft und Gültigkeit von Daten kennen lernen.
⬤ Umwandlung Ihrer Daten in stabile und brauchbare numerische Werte.
⬤ Algorithmen für überwachtes und unüberwachtes Lernen sowie Methoden zur Bewertung ihres Erfolgs kennenlernen.
⬤ Mit MapReduce loslegen und maßgeschneiderte Komponenten für Data-Science-Algorithmen verwenden.
| ISBN: | 9781491934111 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2017 |
| Seitenzahl: | 236 |
Derzeit verfügbar, auf Lager.
