Теоретический минимум по Big Data. Всё что нужно знать о больших данных
Ын Анналин, Су Кеннет
Код товара: 3391198
(0 оценок)Оценить
ОтзывНаписать отзыв
ВопросЗадать вопрос
1 / 10
PDF
1 / 10
Нет в наличии
Доставим в
г. МоскваКурьером
бесплатно от 10 000 ₽
В пункт выдачи
от 155 ₽
бесплатно от 10 000 ₽
Точная стоимость доставки рассчитывается при оформлении заказа
Издательство:
Оригинальное название:
Numsense! Data Science for the Layman. No Math Added
Описание
Характеристики
Cегодня Big Data — это большой бизнес. Нашей жизнью управляет информация, и извлечение выгоды из нее становится центральным моментом в работе современных организаций. Не важно кто вы - деловой человек, работающий с аналитикой, начинающий программист или разработчик, - "Теоретический минимум по Big Data" позволит разобраться в основах новой и стремительно развивающейся отрасли обработки больших данных. Хотите узнать о больших данных и механизмах работы с ними? Каждому алгоритму посвящена отдельная глава, в которой не только объясняются основные принципы работы, но и даются примеры использования в реальных задачах. Большое количество иллюстраций и простые комментарии позволят легко разобраться в самых сложных аспектах Big Data. "Отличная визуализация концепций машинного обучения позволяет «нетехнарям» интуитивно понять сложные абстрактные понятия. Это лаконичная и точная выжимка содержит теоретический минимум информации, необходимый для первого знакомства с Big Data". Этан Чен, автор курса CS 102: Big Data, Стэнфордский университет.
Содержание
Предисловие
Введение
Почему Data Science?
Глава 1. Об основах без лишних слов
Глава 2. Кластеризация методом к-средних
Глава 3. Метод главных компонент
Глава 4. Ассоциативные правила
Глава 5. Анализ социальных сетей
Глава 6. Регрессионный анализ
Глава 7. Метод k-ближайших соседей и
обнаружение аномалий
Глава 8. Метод опорных векторов
Глава 9. Дерево решений
Глава 10. Случайные леса
Глава 11. Нейронные сети
Глава 12. А/В-тестирование и многорукие бандиты
Приложения
Глоссарий
Литература и ссылки на источники
Об авторах
Введение
Почему Data Science?
Глава 1. Об основах без лишних слов
Глава 2. Кластеризация методом к-средних
Глава 3. Метод главных компонент
Глава 4. Ассоциативные правила
Глава 5. Анализ социальных сетей
Глава 6. Регрессионный анализ
Глава 7. Метод k-ближайших соседей и
обнаружение аномалий
Глава 8. Метод опорных векторов
Глава 9. Дерево решений
Глава 10. Случайные леса
Глава 11. Нейронные сети
Глава 12. А/В-тестирование и многорукие бандиты
Приложения
Глоссарий
Литература и ссылки на источники
Об авторах
Отзывы
Вопросы
Поделитесь своим мнением об этом товаре с другими покупателями — будьте первыми!
Дарим бонусы за отзывы!
За какие отзывы можно получить бонусы?
- За уникальные, информативные отзывы, прошедшие модерацию
Как получить больше бонусов за отзыв?
- Публикуйте фото или видео к отзыву
- Пишите отзывы на товары с меткой "Бонусы за отзыв"
Задайте вопрос, чтобы узнать больше о товаре
Если вы обнаружили ошибку в описании товара «Теоретический минимум по Big Data. Всё что нужно знать о больших данных» (авторы: Ын Анналин, Су Кеннет), то выделите её мышкой и нажмите Ctrl+Enter. Спасибо, что помогаете нам стать лучше!