Cantitate/Preț
Produs
Total produse
Vezi coșul
The Data Science Design Manual de Steven S. Skiena

The Data Science Design Manual: Texts in Computer Science

Autor Steven S. Skiena
en Limba Engleză Hardback – 29 aug 2017

În domeniul data science, unde tehnologiile se schimbă de la un sezon la altul, înțelegerea principiilor fundamentale de arhitectură și analiză devine un avantaj competitiv crucial. The Data Science Design Manual nu este un simplu manual de utilizare a unor biblioteci software, ci un ghid de proiectare care prioritizează intuiția matematică și rigoarea analitică în fața codului brut. Apreciem în mod deosebit faptul că Steven S. Skiena evită dogmatismul legat de un anumit limbaj (precum Python sau R), alegând să explice mecanismele prin care datele sunt colectate, interpretate și transformate în decizii.

Structura volumului reflectă o progresie logică, de la fundamente matematice și tehnici de „data munging”, până la concepte avansate de algebră liniară, regresie și metode de rețea. Această abordare amintește de stilul pedagogic din The Algorithm Design Manual, unde accentul cade pe rezolvarea problemelor, nu doar pe memorarea sintaxei. Dacă Principles of Data Science de Sinan Ozdemir v-a oferit cadrul teoretic inițial, lucrarea lui Skiena oferă instrumentele practice pentru a evita erorile comune, grupate sugestiv în secțiunile „False Starts”.

Elementul distinctiv al acestei ediții din seria Texts in Computer Science este integrarea studiilor de caz reale, numite „War Stories”, și a provocărilor tip Kaggle, care forțează cititorul să aplice teoria în scenarii de concurs. Descoperim aici o resursă care transformă conceptele abstracte din machine learning și Big Data în competențe aplicabile, susținute de suport vizual și exemple din proiecte media precum „The Quant Shop”.

Citește tot Restrânge

Din seria Texts in Computer Science

Preț: 39851 lei

Preț vechi: 49815 lei
-20%

Puncte Express: 598
Paperback 44521 lei
Hardback 39851 lei

Carte disponibilă

Livrare economică 29 aprilie-13 mai
Livrare express 14-18 aprilie pentru 6204 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9783319554433
ISBN-10: 3319554433
Pagini: 445
Ilustrații: XVII, 445 p. 180 illus., 137 illus. in color.
Dimensiuni: 178 x 254 x 31 mm
Greutate: 1.18 kg
Ediția:2017
Editura: Springer International Publishing
Colecția Springer
Seria Texts in Computer Science

Locul publicării:Cham, Switzerland

De ce să citești această carte

Recomandăm această carte studenților și profesioniștilor care doresc să treacă dincolo de simpla rulare a unor scripturi. Veți câștiga o înțelegere profundă a modului în care se construiesc sistemele de analiză, învățând să identificați subtilitățile care duc la eșecul unui model. Este resursa ideală pentru cei care vor să stăpânească designul de soluții de date, nu doar unelte software.

Despre autor

Steven S. Skiena este un distins profesor de informatică la Universitatea Stony Brook și un autor prolific în domeniul algoritmilor. Este cunoscut la nivel mondial pentru The Algorithm Design Manual, o lucrare de referință în pregătirea tehnică a programatorilor. Expertiza sa acoperă arii diverse, de la modelare matematică în pariuri sportive, descrisă în Calculated Bets, până la bioinformatică și analiza datelor la scară largă. Abordarea sa pedagogică se remarcă prin claritate și prin capacitatea de a extrage lecții practice din experiențe de teren complexe.

Descriere scurtă

This engaging and clearly written textbook/reference provides a must-have introduction to the rapidly emerging interdisciplinary field of data science. It focuses on the principles fundamental to becoming a good data scientist and the key skills needed to build systems for collecting, analyzing, and interpreting data.
The Data Science Design Manual is a source of practical insights that highlights what really matters in analyzing data, and provides an intuitive understanding of how these core concepts can be used. The book does not emphasize any particular programming language or suite of data-analysis tools, focusing instead on high-level discussion of important design principles.
This easy-to-read text ideally serves the needs of undergraduate and early graduate students embarking on an “Introduction to Data Science” course. It reveals how this discipline sits at the intersection of statistics, computer science, and machine learning, with a distinctheft and character of its own. Practitioners in these and related fields will find this book perfect for self-study as well.Additional learning tools:
  • Contains “War Stories,” offering perspectives on how data science applies in the real world
  • Includes “Homework Problems,” providing a wide range of exercises and projects for self-study
  • Provides a complete set of lecture slides and online video lectures at www.data-manual.com
  • Provides “Take-Home Lessons,” emphasizing the big-picture concepts to learn from each chapter
  • Recommends exciting “Kaggle Challenges” from the online platform Kaggle
  • Highlights “False Starts,” revealing the subtle reasons why certain approaches fail
  • Offers examples taken from the data science television show “The Quant Shop” (www.quant-shop.com)

Cuprins

What is Data Science?.- Mathematical Preliminaries.- Data Munging.- Scores and Rankings.- Statistical Analysis.- Visualizing Data.- Mathematical Models.- Linear Algebra.- Linear and Logistic Regression.- Distance and Network Methods.- Machine Learning.- Big Data: Achieving Scale.

Recenzii

“The book is more than a typical manual. In fact, the author himself designates it as a textbook for an introductory course on data science. The chapters are richly equipped with exercises. The topics are always explained starting with a proper motivation and continuing with practical examples. This is perhaps the most outstanding feature of the book. It can serve as a regular textbook for an academic course. In fact, I should like to recommend it exactly for this purpose. On the other hand, it provides a wealth of material for people from industry, such as software engineers, and can serve as a manual for them to accomplish data science tasks. It should be noted that the book is not just a text, but a much more complex product, including a full set of lecture slides available online as well as a solutions wiki.” (P. Navrat, Computing Reviews, February, 23, 2018)
​

Notă biografică

Dr. Steven S. Skiena is Distinguished Teaching Professor of Computer Science at Stony Brook University, with research interests in data science, natural language processing, and algorithms. He was awarded the IEEE Computer Science and Engineering Undergraduate Teaching Award “for outstanding contributions to undergraduate education ...and for influential textbooks and software.”  Dr. Skiena is the author of six books, including the popular Springer titles The Algorithm Design Manual and Programming Challenges: The Programming Contest Training Manual.

Caracteristici

Provides an introduction to data science, focusing on the fundamental skills and principles needed to build systems for collecting, analyzing, and interpreting data Lays the groundwork of what really matters in analyzing data; ‘doing the simple things right’ Aids the reader in developing mathematical intuition, illustrating the key concepts with a minimum of formal mathematics Highlights the core values of statistical reasoning using the approaches which come most naturally to computer scientists Includes supplementary material: sn.pub/extras