Теоретический минимум по Big Data. Всё, что нужно знать о больших данных
Книга «Теоретический минимум по Big Data» представляет собой доступное введение в мир больших данных и Data Science. Издание предназначено для широкого круга читателей — от деловых людей, работающих с аналитикой, до начинающих программистов и разработчиков. Авторы помогают разобраться в основах стремительно развивающейся отрасли обработки больших данных, не погружая читателя в сложные математические выкладки.
В книге последовательно рассматриваются ключевые алгоритмы и методы Data Science. Каждой теме посвящена отдельная глава, где объясняются основные принципы работы алгоритмов и приводятся примеры их применения в реальных задачах. Среди рассмотренных методов: кластеризация k-средних, метод главных компонент, ассоциативные правила, анализ социальных сетей, регрессионный анализ, метод k-ближайших соседей, метод опорных векторов, деревья решений, случайные леса и нейронные сети.
Особое внимание уделяется практическим аспектам работы с данными: подготовке данных (форматирование, типы переменных, обработка пропусков), выбору подходящих алгоритмов машинного обучения (обучение с учителем, без учителя, с подкреплением), настройке параметров моделей и оценке результатов. Книга содержит большое количество иллюстраций и простые комментарии, что делает сложные концепции Big Data понятными даже для неподготовленных читателей.
Издание входит в популярную серию «Библиотека программиста» и является переводом английской книги «Numsense! Data Science for the Layman: No Math Added». Это отличный старт для тех, кто хочет понять фундаментальные принципы работы с большими данными без углубления в сложную математику.
