Cześć,
znacie jakieś książki do nauki algorytmów DataScience ? jeśli tak prosiłbym o nazwę oraz autora .
Napisz coś więcej, jakich algorytmów, obróbka danych, ML, AI, Deep Learning?
Najbardziej zależy mi algorytmach do obróbki danych oraz ml, AI i Deep w swoim czasie.
Chcesz się uczyć teorii, czy jakoś bardziej praktycznie?
Trochę teorii z dużym naciskiem na praktykę
Data Science to nie analityk danych. To pojęcie szersze niż "obróbka" danych i związane z nią narzędzia lub algorytmy. To wyspecjalizowana dziedzina zajmująca się pozyskiwaniem, przetwarzaniem i analityką danych w określonym celu. W celu, który bardzo często nie wynika z danych źródłowych. Jest to dziedzina wymagająca znajomości wielu dyscyplin - od prostej statystyki zaczynając idąc przez matematykę, programowanie, analizę danych, znajomość baz danych po np. umiejętność korzystania z algorytmów sztucznej inteligencji...
Data science to nie dziedzina dla "żółtodziobów", którzy postanowili sobie, że będą się zajmować "DataScience". By zostać specjalistą od "obróbki" tego typu danych najpierw trzeba być specjalistą w dziedzinie, w której te dane będą wykorzystywane. Tutaj trzeba być sprytnym i działać nieszablonowo.
Oczywiście od czegoś trzeba zacząć bo faktycznie by załapać się na takie "stanowisko" trzeba mieć spory warsztat, wiedzę i doświadczenie. Algorytmy, o które pytasz to narzędzia właśnie dla analityka danych. Jak już będziesz super analitykiem wówczas będzie czas by rozejrzeć się za jakąś "działką", w której będziesz mógł wypróbować się jako Data Scientist.
Wówczas znając różne narzędzia do analizy danych będziesz gotów wyszukiwać w morzu danych nowych trendów i korelacji, których jeszcze nikt nie zbadał.
Przykłady zadań z tej dziedziny to:
- obróbka danych do zdjęcia czarnej dziury ( tak wykorzystano tam AI ale sama znajomość AI nie robi z Ciebie jeszcze DataScientist ) ;
- obróbka danych z wielkiego zderzacza hadronów ( analiza i gromadzenie Petabajtów danych w ciągu ułamków sekundy ) ;
- analiza monitoringów miejskich ( i nie mowa tu o monitoringu w Słupsku ) ;
Piszę o tym by zwrócić uwagę, że kolejne bardzo wymagające stanowisko zaczyna być dewaluowane. Tak jak uważam, że nie każdy, kto robi strony w HTML i JS jest programistą tak samo uważam, ze nie każdy analityk danych zasługuje na miano Data Scientist. Należy bronić pozycji i znaczenia takich pojęć bo za chwilę będą się tym tytułować ludzie co pracują z bazą mySQL tylko dlatego, że ta ma więcej niż 5 milionów rekordów.
A dlaczego ksiazki, w dzisiejszej epoce digital...
- crash course od googla o tu
- tutoriale i kursy na kaggle, potem mozna pocwiczyc troche na jakichs testowych rywalizacjach, tu poduczysz sie scikit-learn, keras, pandas, numpy, jakiejs wizualizacji jak seaborn itd. Zaleta jest to ze jak zalozysz konto masz juz notebooki na ktorych mozesz pracowac, w srodowisku wgrane sa juz najbardziej popularne biblioteki pod ML/DS (gorzej gdy chcesz cos zrobic lokalnie, ale wtedy sciagasz anaconde i masz to samo).
Jasnowidz napisał(a):
A dlaczego ksiazki, w dzisiejszej epoce digital...
Bo mają jakikolwiek technical review?
Bo jak kurs jest w formie filmików nie do wszystkich trafia?
Cześć , a znacie jakieś książki dobre książki Polsko języczne do nauki Pythona i DS .
To może być krucho. Poszukaj po jakiś pracach uczelnianych/naukowych wykładów itp .
idąc po google ...
np.:https://www.gagolewski.com/publications/programowaniepy/
http://chomikuj.pl/legalneksiazki/data-science-od-podstaw.-analiza-danych-w-pythonie.-wydanie-ii+pe*c5*82na+wersja,6999564501.epub
Większość zadań w tej dziedzinie to nie jest przetwarzanie big data z potężnych urządzeń technicznych, a raczej przygotowanie zbiorów danych w taki sposób, by można było wrzucić je w jakieś już gotowy algorytm, który je przemieli i da jakiś rezultat, przy czym pewnie siatka hiperparametrów dla xgboosta będzie szczytem rozwoju dla wielu osób, które pewnie nigdy w praktyce nie zobaczą sieci neuronowych, bo nie będzie nawet takiej potrzeby, by je widzieć. Oczywiście, zdarzają się bardzo zaawansowane projekty, ale to jest zdecydowana mniejszość. Z góry jeszcze dodam, bo wiem jakiej reakcji się mogę spodziewać - tak, to też jest data science. Po prostu rozstrzał tasków w tej dziedzinie występuje i nie ma co tu protestować. Tak samo nie można szeregowcom zarzucać, że nie są żołnierzami, bo nie mają rangi generała.