Пожертвування 15 вересня 2024 – 1 жовтня 2024 Про збір коштів

Data Science. Инсайдерская информация для новичков. Включая...

Main
Computers - Cybernetics
Data Science. Инсайдерская информация...

Data Science. Инсайдерская информация для новичков. Включая язык R

Кэти О’Нил, Рэйчел Шатт

0 / 0

Наскільки Вам сподобалась ця книга?

Яка якість завантаженого файлу?

Скачайте книгу, щоб оцінити її якість

Яка якість скачаних файлів?

Категорії:

Computers - Cybernetics

Рік:

2019

Видання:

1

Видавництво:

Питер

Мова:

russian

Сторінки:

368

ISBN 10:

5446106229

ISBN 13:

9785446106226

Серії:

Бестселлеры O’REILLY

Файл:

PDF, 9.79 MB

IPFS:

,

russian, 2019

Читати Онлайн

Виконується конвертація в

Конвертація в не вдалась

Можливо вас зацікавить

Карл Андерсон — Аналитическая культура

Дэви Силен, Арно Мейсман — Основы Data Science и Big Data. Python и наука о данных

Силен Д. и др — Основы Data Science и Big Data. Python и наука о данных

Жерон Орельен — Прикладное машинное обучение с помощью scikit-learn и tensorflow

Майкл Хейдт; Артем Груздев — Изучаем pandas

Роберт Мартин — Чистый Agile. Основы гибкости

Питер Брюс, Эндрю Брюс, Питер Гедек — Практическая статистика для специалистов Data Science

Жаклин Нолис, Эмили Робинсон — Data Science для карьериста

Тибо Дамур, Матьё Бюрниа — Тайны квантового мира

Дэвид Шпигельхалтер — Искусство статистики. Как находить ответы в данных

Андреас Вайгенд — BIG DATA. Вся технология в одной книге

Кевин Митник — Искусство быть невидимым: как сохранить приватность в эпоху Big Data

Алекс Дж. Гатман, Джордан Голдмейер ; перевод с английского М. А. Райтман — Разберись в Data Science: как освоить науку о данных и научиться думать как эксперт : методы аналитики данных, основы машинного обучения, распространенные ошибки при работе с данными

Алексей Благирев & Наталья Хапаева — Big data простым языком [litres]

Кремер Н.Ш. — Теория вероятностей и математическая статистика

Ния Нархид, Гвен Шапира, Тодд Палино — Apache Kafka. Потоковая обработка и анализ данных

Владстон Феррейра Фило — Теоретический минимум по Computer Science. Все, что нужно программисту и разработчику

Джош Лонг, Кеннет Бастани — Java в облаке - Spring Boot, Spring Cloud, Cloud Foundry

Нишант Шакла — Машинное обучение и TensorFlow

Анналин Ын, Кеннет Су — Теоретический минимум по Big Data. Всё, что нужно знать о больших данных

Норман Мэтлофф — Искусство программирования на R. Погружение в большие данные

Алекс Бэнкс, Ева Порселло — GraphQL: язык запросов для современных веб-приложений

Бенджамин Бенгфорт, Ребекка Билбро, Тони Охеда — Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка

Мэтт Лемей — Agile для всех

Мэтью Рассел, Михаил Классен — Data mining. Извлечение информации из Facebook, Twitter, LinkedIn, Instagram, GitHub

Уэйн Винстон — Бизнес-моделирование и анализ данных. Решение актуальных задач с помощью Microsoft Excel

Ланц Бретт — Машинное обучение на R: экспертные техники для прогностического анализа

Роман Зыков — Роман с Data Science. Как монетизировать большие данные

Паклин Н.Б., Орешков В.И. — Бизнес-аналитика. От данных к знаниям

Том Уайт — Hadoop. Подробное руководство

Джон Клейнберг, Ева Тардос. — Алгоритмы: разработка и применение. Классика Computers Science

Джон Бокселл — Изучаем Arduino. 65 проектов своими руками

Кайл Симпсон — ES6 и не только

Саймон Холмс — Стек MEAN. Mongo, Express, Angular, Node

С. Николенко, А. Кадурин, Е. Архангельская — Глубокое обучение. Погружение в мир нейронных сетей

Хенрик Бринк, Джозеф Ричардс, Марк Феверолф — Машинное обучение

Вандер Плас Дж. — Python для сложных задач: наука о данных и машинное обучение

К. Дж. Дейт — Введение в системы баз данных

Конрад Карлберг — Бизнес-анализ с использованием Excel

Джон Пол Мюллер и Лука Массарон — Python и наука о данных для чайников

Майер-Шенбергер Виктор, Кукьер Кеннет — Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим

Бьюли А. — Изучаем SQL

Ключові фрази

значения

признаков

использовать

количество

пользователей

обучения

алгоритм

проблемы

регрессии

алгоритмы

вероятность

компании

информации

насколько

исследователи

получить

существует

пользователя

качестве

эксперимент

алгоритма

статистики

результат

обратите

визуализации

визуализация

Пов’язані вибірки