డేటా సైన్స్ అనేది శాస్త్రీయ పద్ధతులు, ప్రక్రియలు, అల్గారిథమ్‌లు మరియు సిస్టమ్‌లను ఉపయోగించి కనపడని నమూనాలను కనుగొనడానికి, అర్థవంతమైన సమాచారాన్ని పొందేందుకు, కంపెనీలలో వ్యాపార నిర్ణయాలు తీసుకోవడానికి మరియు వ్యాపారేతర సంస్థలలో కూడా ఉపయోగించే విస్తారమైన డేటాను నిర్వహించే అధ్యయన రంగం. వ్యాపారేతర సంస్థలలో హెల్త్‌కేర్, గేమింగ్, ఇమేజ్ రికగ్నిషన్, రికమండేషన్ సిస్టమ్స్, లాజిస్టిక్స్, ఫ్రాడ్ డిటెక్షన్ (బ్యాంకింగ్ మరియు ఫైనాన్షియల్ ఇన్‌స్టిట్యూషన్స్), ఇంటర్నెట్ సెర్చ్, స్పీచ్ రికగ్నిషన్, టార్గెటెడ్ అడ్వర్టైజింగ్, ఎయిర్‌లైన్ రూట్ ప్లానింగ్ మరియు ఆగ్మెంటెడ్ రియాలిటీ వంటి పరిశ్రమలు ఉన్నాయి. డేటా సైన్స్ అనేది ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క ఉప-సమితి. విశ్లేషణ కోసం ఉపయోగించే డేటా అనేక విభిన్న మూలాల నుండి రావచ్చు మరియు వివిధ ఫార్మాట్లలో ప్రదర్శించబడుతుంది. కొన్ని మూలాధార డేటా ప్రామాణికం కావచ్చు; ఇతరులు ప్రామాణికం కాకపోవచ్చు.
మరో విధంగా చెప్పాలంటే, డేటాను (డేటమ్ యొక్క బహువచనం) సేకరించేందుకు వివిధ పద్ధతులను ఉపయోగిస్తారు. అప్పుడు, సేకరించిన డేటా నుండి జ్ఞానం (విలువైన ముగింపులు) సంగ్రహించబడుతుంది. ప్రక్రియలో, డేటా సేకరించిన తర్వాత, కొత్త డేటా (ఫలితాలు) పొందేందుకు వాటిపై (డేటా) పరిశోధన జరుగుతుంది, దాని నుండి సమస్యలు పరిష్కరించబడతాయి.
విశ్వవిద్యాలయంలో బ్యాచిలర్స్ మరియు మాస్టర్స్ డిగ్రీ స్థాయిలో డేటా సైన్స్ (ప్రధాన) విభాగంగా ఉంది. అయితే, ప్రపంచంలోని కొన్ని విశ్వవిద్యాలయాలు మాత్రమే బ్యాచిలర్ లేదా మాస్టర్స్ డిగ్రీలో డేటా సైన్స్‌ను అందిస్తున్నాయి. బ్యాచిలర్ డిగ్రీ స్థాయిలో, విద్యార్థి డేటా సైన్స్‌లో పట్టభద్రుడయ్యాడు. ఇది సాధారణ ప్రయోజన డిగ్రీ లాంటిది. మాస్టర్స్ డిగ్రీ స్థాయిలో, విద్యార్థి డేటా సైన్స్‌లో పోస్ట్ గ్రాడ్యుయేట్ డిగ్రీని పొంది, డేటా అనలిటిక్స్, డేటా ఇంజినీరింగ్ లేదా డేటా సైంటిస్ట్‌గా స్పెషలైజ్ అవుతాడు.
మెషిన్ లెర్నింగ్, మోడలింగ్, స్టాటిస్టిక్స్, ప్రోగ్రామింగ్ మరియు డేటాబేస్‌లు బ్యాచిలర్ డిగ్రీ స్థాయిలో డేటా సైన్స్‌ను అధ్యయనం చేయడానికి అవసరమైన జ్ఞానం అని పాఠకులకు ఆశ్చర్యం కలిగించవచ్చు మరియు వారు తమ స్వంత హక్కులతో గౌరవించబడిన విశ్వవిద్యాలయ కోర్సులను కలిగి ఉన్నప్పటికీ, వారు చదువుకున్నారు. బ్యాచిలర్స్ డిగ్రీ స్థాయి లేదా మాస్టర్స్ స్థాయిలో ఇతర విభాగాలు. అయినప్పటికీ, ఒక విద్యార్థి డిగ్రీ స్థాయిలో డేటా సైన్స్ అధ్యయనం చేయడానికి విశ్వవిద్యాలయానికి వెళ్లినప్పుడు, ఈ కోర్సులన్నీ డేటా సైన్స్ కోసం సరైన కోర్సులతో పాటు లేదా ముందు కూడా అధ్యయనం చేయబడతాయి.
బ్యాచిలర్స్ డిగ్రీ కోసం డేటా సైన్స్ లేదా డేటా అనలిటిక్స్, డేటా ఇంజనీరింగ్ లేదా డేటా సైంటిస్ట్‌గా దాని స్పెషలైజేషన్లు ఇంకా అభివృద్ధి చేయబడుతున్నాయి; వారు చదువుకున్న తర్వాత (యూనివర్శిటీలో) పరిశ్రమలలో వర్తించే దశకు చేరుకున్నప్పటికీ. డేటా సైన్స్ అనేది సాపేక్షంగా చాలా కొత్త క్రమశిక్షణ.
స్పెషలిస్ట్ కావడానికి ముందు మీరు మొదట సాధారణవాదిగా ఉండాలని గుర్తుంచుకోండి. నిపుణుల కార్యక్రమాల మధ్య వ్యత్యాసాలు ఇంకా స్పష్టంగా లేవు. సాధారణ మరియు స్పెషలిస్ట్ ప్రోగ్రామ్‌ల మధ్య వ్యత్యాసాలు ఇంకా స్పష్టంగా లేవు.
డేటా సైన్స్ సాపేక్షంగా కొత్త క్రమశిక్షణ కాబట్టి, ఈ పత్రంలో సూచించబడిన పుస్తకాలు కంటెంట్ కవరేజీపై ఆధారపడి ఉంటాయి మరియు బోధనా శాస్త్రం (పుస్తకం ఎంత బాగా బోధిస్తుంది) కాదు. మరియు వారు బ్యాచిలర్స్ డిగ్రీ (జనరలిస్ట్) ప్రోగ్రామ్ కోసం. వివిధ సాధారణ కోర్సులు ఉన్నాయి.
జాబితా
మరిన్ని వివరాల కోసం మరియు క్రెడిట్ కార్డ్‌తో కొనుగోలు చేయడం కోసం, ప్రతి పుస్తకానికి హైపర్‌లింక్ ఇవ్వబడింది. పుస్తకాలలో ఒక్కటి కూడా అన్ని సాధారణ కోర్సులను కవర్ చేస్తుంది.
డేటా సైన్స్ కోసం ఎసెన్షియల్ మ్యాథ్: కాలిక్యులస్, స్టాటిస్టిక్స్, ప్రాబబిలిటీ థియరీ మరియు లీనియర్ ఆల్జీబ్రా
రచన: హాడ్రియన్ జీన్
- ప్రచురణకర్త: హాడ్రియన్ జీన్
- ప్రచురించబడిన తేదీ: 30 సెప్టెంబర్ 2020 తర్వాత
- భాష: ఆంగ్లం
- పేజీల సంఖ్య: 400 కంటే ఎక్కువ
ఈ పుస్తకంలోని కంటెంట్ డేటా సైన్స్ కోసం గణిత కోర్సుగా చూడవచ్చు. స్వయంగా డేటా సైన్స్ నేర్చుకోవాలని సిఫారసు చేయనప్పటికీ, స్వయంగా డేటా సైన్స్ నేర్చుకోవాలనుకునే ఉన్నత పాఠశాల గ్రాడ్యుయేట్ ఈ పుస్తకంతో ప్రారంభించాలి.
కంటెంట్: కాలిక్యులస్; గణాంకాలు మరియు సంభావ్యత; లీనియర్ ఆల్జీబ్రా; స్కేలార్లు మరియు వెక్టర్స్; మాత్రికలు మరియు టెన్సర్లు; స్పాన్, లీనియర్ డిపెండెన్సీ మరియు స్పేస్ ట్రాన్స్ఫర్మేషన్; సరళ సమీకరణాల వ్యవస్థలు; Eigenvectors మరియు Eigenvalues; ఏక విలువ కుళ్ళిపోవడం.
https://www.essentialmathfordatascience.com/
డేటా స్ట్రక్చర్స్ మరియు అల్గారిథమ్‌లకు కామన్ సెన్స్ గైడ్: లెవెల్ అప్ యువర్ కోర్ ప్రోగ్రామింగ్ స్కిల్స్ / 2వ ఎడిషన్
రచన: జే వెంగ్రో
- ప్రచురణకర్త: ప్రాగ్మాటిక్ బుక్షెల్ఫ్
- ప్రచురించబడిన తేదీ: సెప్టెంబర్ 15, 2020
- భాష: ఆంగ్లం
- కొలతలు: 7.5 x 1.25 x 9.25 అంగుళాలు
- పేజీల సంఖ్య: 508
ఈ పుస్తకం డేటా సైన్స్‌లో ఉపయోగించే అల్గారిథమ్‌లు మరియు డేటా స్ట్రక్చర్‌లతో వ్యవహరిస్తుంది. హైస్కూల్ నుండి గ్రాడ్యుయేట్ అయిన తర్వాత ఎవరైనా స్వయంగా డేటా సైన్స్ నేర్చుకుంటున్నారని ఊహిస్తే, మునుపటి గణిత పుస్తకాన్ని చదివిన తర్వాత చదవాల్సిన తదుపరి పుస్తకం ఇదే. ఉదాహరణ ప్రోగ్రామ్‌లు జావాస్క్రిప్ట్, పైథాన్ మరియు రూబీలో ఇవ్వబడ్డాయి.
కంటెంట్: డేటా స్ట్రక్చర్స్ ఎందుకు ముఖ్యమైనవి; అల్గారిథమ్స్ ఎందుకు ముఖ్యమైనవి; ఓ అవును! బిగ్ ఓ సంజ్ఞామానం; బిగ్ Oతో మీ కోడ్‌ని వేగవంతం చేయడం; బిగ్ O తో మరియు లేకుండా కోడ్‌ని ఆప్టిమైజ్ చేయడం; ఆప్టిమిస్టిక్ దృశ్యాల కోసం ఆప్టిమైజింగ్; రోజువారీ కోడ్‌లో బిగ్ O; హాష్ పట్టికలతో జ్వలించే ఫాస్ట్ లుక్అప్; స్టాక్‌లు మరియు క్యూలతో సొగసైన కోడ్‌ను రూపొందించడం; రికర్సివ్లీ రికర్షన్ విత్ రికర్స్; రికర్సివ్‌లో రాయడం నేర్చుకోవడం; డైనమిక్ ప్రోగ్రామింగ్; వేగం కోసం పునరావృత అల్గోరిథంలు; నోడ్-ఆధారిత డేటా నిర్మాణాలు; బైనరీ శోధన చెట్లతో అన్ని విషయాలను వేగవంతం చేయడం; మీ ప్రాధాన్యతలను కుప్పలతో నేరుగా ఉంచడం; ప్రయత్నించడానికి ఇది బాధించదు; గ్రాఫ్‌లతో ప్రతిదీ కనెక్ట్ చేయడం; స్థల పరిమితులతో వ్యవహరించడం; కోడ్ ఆప్టిమైజేషన్ కోసం సాంకేతికతలు
స్మార్ట్ డేటా సైన్స్: ఎంటర్‌ప్రైజ్-గ్రేడ్ డేటా మరియు AI ప్రాజెక్ట్‌లతో విజయం సాధించడం / 1 సెయింట్ ఎడిటింగ్
రచన: నీల్ ఫిష్‌మాన్, కోల్ స్ట్రైకర్ మరియు గ్రేడీ బూచ్
- ప్రచురణకర్త: విలీ
- ప్రచురించబడిన తేదీ: ఏప్రిల్ 14, 2020
- భాష: ఆంగ్లం
- పేజీల సంఖ్య: 286
కంటెంట్: AI నిచ్చెన ఎక్కడం; ఫ్రేమింగ్ పార్ట్ I: AIని ఉపయోగించే సంస్థల కోసం పరిగణనలు; ఫ్రేమింగ్ పార్ట్ II: డేటా మరియు AIతో పనిచేయడం కోసం పరిగణనలు; A లుక్ బ్యాక్ ఆన్ Analytics: ఒకటి కంటే ఎక్కువ సుత్తి; A లుక్ ఫార్వర్డ్ ఆన్ Analytics: అంతా నెయిల్ కాకపోవచ్చు; AI నిచ్చెనపై కార్యాచరణ విభాగాలను సంబోధించడం; మీ డేటా యొక్క గరిష్ట వినియోగాన్ని పెంచడం: విలువ ఆధారితంగా ఉండటం; గణాంక విశ్లేషణతో డేటాను అంచనా వేయడం మరియు అర్థవంతమైన ప్రాప్యతను ప్రారంభించడం; దీర్ఘ-కాలానికి నిర్మాణం; ఎ జర్నీస్ ఎండ్: AI కోసం ఒక IA.
మెషిన్ లెర్నింగ్: ఎ ప్రాబబిలిస్టిక్ పెర్స్పెక్టివ్ (అడాప్టివ్ కంప్యూటేషన్ మరియు మెషిన్ లెర్నింగ్ సిరీస్) ఇలస్ట్రేటెడ్ ఎడిషన్
రచన: కెవిన్ పి. మర్ఫీ
- ప్రచురణకర్త: MIT ప్రెస్
- ప్రచురించబడిన తేదీ: ఆగస్టు 24, 2012
- భాష: ఆంగ్లం
- కొలతలు: 8.25 x 1.79 x 9.27 అంగుళాలు
- పేజీల సంఖ్య: 1104
ఈ పుస్తకం ప్రారంభకులకు మంచిది. మళ్ళీ, ఈ పత్రంలో నిర్దేశించబడిన అన్ని పుస్తకాల వలె, ఈ పుస్తకం దురదృష్టవశాత్తూ, ఇప్పటికీ ఖరారు చేయని సాధారణ ప్రోగ్రామ్‌కు అవసరమైన ప్రతిదాన్ని కవర్ చేయదు (స్పెషలిస్ట్ ప్రోగ్రామ్‌లు కూడా ఇంకా ఖరారు కాలేదు). ఇక్కడ సాధారణ అనుభవశూన్యుడు గణితం మరియు కంప్యూటర్ సైన్స్‌లో ఉత్తీర్ణతతో ఉన్నత పాఠశాల గ్రాడ్యుయేట్.
కంటెంట్: పరిచయం (మెషిన్ లెర్నింగ్: ఏమి మరియు ఎందుకు?, పర్యవేక్షించబడని అభ్యాసం, మెషిన్ లెర్నింగ్‌లో కొన్ని ప్రాథమిక అంశాలు); సంభావ్యత; వివిక్త డేటా కోసం ఉత్పాదక నమూనాలు; గాస్సియన్ నమూనాలు; బయేసియన్ గణాంకాలు; ఫ్రీక్వెంటిస్ట్ గణాంకాలు; లీనియర్ రిగ్రెషన్; లాజిస్టిక్ రిగ్రెషన్; సాధారణీకరించిన సరళ నమూనాలు మరియు ఘాతాంక కుటుంబం; దర్శకత్వం వహించిన గ్రాఫికల్ నమూనాలు (బేయెస్ నెట్స్); మిశ్రమ నమూనాలు మరియు EM అల్గోరిథం; గుప్త సరళ నమూనాలు; చిన్న సరళ నమూనాలు; కెర్నలు; గాస్సియన్ ప్రక్రియలు; అడాప్టివ్ బేస్ ఫంక్షన్ మోడల్స్; మార్కోవ్ మరియు దాచిన మార్కోవ్ నమూనాలు; రాష్ట్ర అంతరిక్ష నమూనాలు; మళ్లించబడని గ్రాఫికల్ నమూనాలు (మార్కోవ్ యాదృచ్ఛిక క్షేత్రాలు); గ్రాఫికల్ నమూనాల కోసం ఖచ్చితమైన అనుమితి; వైవిధ్య అనుమితి; మరింత వైవిధ్య అనుమితి; మోంటే కార్లో అనుమితి; మార్కోవ్ చైన్ మోంటే కార్లో (MCMC) అనుమితి; క్లస్టరింగ్; గ్రాఫికల్ మోడల్ స్ట్రక్చర్ లెర్నింగ్; వివిక్త డేటా కోసం గుప్త వేరియబుల్ నమూనాలు; లోతైన అభ్యాసం.
వ్యాపారం కోసం డేటా సైన్స్: డేటా మైనింగ్ మరియు డేటా-ఎనలిటిక్ థింకింగ్ / 1వ ఎడిషన్ గురించి మీరు తెలుసుకోవలసినది
రచన: టామ్ ఫాసెట్ మరియు ఫోస్టర్ ప్రోవోస్ట్
- ప్రచురణకర్త: ఓ'రైల్లీ మీడియా
- ప్రచురించబడిన తేదీ: సెప్టెంబర్ 17, 2013
- భాష: ఆంగ్లం
- కొలతలు: 7 x 0.9 x 9.19 అంగుళాలు
- పేజీల సంఖ్య: 413
కంటెంట్: డేటా-ఎనలిటిక్ థింకింగ్; వ్యాపార సమస్యలు మరియు డేటా సైన్స్ సొల్యూషన్స్; ప్రిడిక్టివ్ మోడలింగ్‌కు పరిచయం: సహసంబంధం నుండి పర్యవేక్షించబడిన విభజన వరకు; డేటాకు మోడల్‌ను అమర్చడం; ఓవర్ ఫిట్టింగ్ మరియు దాని ఎగవేత; సారూప్యత, పొరుగువారు మరియు సమూహాలు; డెసిషన్ ఎనలిటిక్ థింకింగ్ I: వాట్ ఈజ్ ఎ గుడ్ మోడల్?; విజువలైజింగ్ మోడల్ పనితీరు; సాక్ష్యం మరియు సంభావ్యత; టెక్స్ట్ ప్రాతినిధ్యం మరియు మైనింగ్; డెసిషన్ ఎనలిటిక్ థింకింగ్ II: ఎనలిటికల్ ఇంజనీరింగ్ వైపు; ఇతర డేటా సైన్స్ టాస్క్‌లు మరియు టెక్నిక్స్; డేటా సైన్స్ అండ్ బిజినెస్ స్ట్రాటజీ; ముగింపు.
https://www.amazon.com/Data-Science-Business-Data-Analytic-Thinking/dp/B08VL5K5ZX
డేటా సైంటిస్టుల కోసం ప్రాక్టికల్ స్టాటిస్టిక్స్: R మరియు పైథాన్ / 2వ ఎడిషన్ ఉపయోగించి 50+ ఎసెన్షియల్ కాన్సెప్ట్‌లు
వ్రాసినవారు: పీటర్ బ్రూస్, ఆండ్రూ బ్రూస్ మరియు పీటర్ గెడెక్
- ప్రచురణకర్త: ఓ'రైల్లీ మీడియా
- ప్రచురించబడిన తేదీ: జూన్ 2, 2020
- భాష: ఆంగ్లం
- కొలతలు: 7 x 0.9 x 9.1 అంగుళాలు
- పేజీల సంఖ్య: 368
కంటెంట్: అన్వేషణాత్మక డేటా విశ్లేషణ, డేటా మరియు నమూనా పంపిణీలు, గణాంక ప్రయోగాలు మరియు ప్రాముఖ్యత పరీక్ష, తిరోగమనం మరియు అంచనా, వర్గీకరణ, స్టాటిస్టికల్ మెషిన్ లెర్నింగ్, పర్యవేక్షించబడని అభ్యాసం.
ది బుక్ ఆఫ్ వై: ది న్యూ సైన్స్ ఆఫ్ కాజ్ అండ్ ఎఫెక్ట్
రచన: జుడియా పెర్ల్, డానా మెకెంజీ
- ప్రచురణకర్త: ప్రాథమిక పుస్తకం
- ప్రచురించబడిన తేదీ: మే 15, 2018
- భాష: ఆంగ్లం
- కొలతలు: 6.3 x 1.4 x 9.4 అంగుళాలు
- పేజీల సంఖ్య: 432
అనేక డేటా సైన్స్ పుస్తకాలు దృష్టాంతం కోసం స్వచ్ఛమైన వ్యాపార పరిశ్రమను ఉపయోగిస్తుండగా, ఈ పుస్తకం దృష్టాంతం కోసం వైద్య పరిశ్రమ మరియు ఇతర విభాగాలను ఉపయోగిస్తుంది.
కంటెంట్: పరిచయం: మైండ్ ఓవర్ డేటా; ది లాడర్ ఆఫ్ కాసేషన్; బుక్కనీర్స్ నుండి గినియా పిగ్స్ వరకు: ది జెనెసిస్ ఆఫ్ కాజల్ ఇన్ఫెరెన్స్; సాక్ష్యం నుండి కారణాల వరకు: రెవరెండ్ బేయెస్ మిస్టర్. హోమ్స్‌ను కలుసుకున్నారు; కన్ఫౌండింగ్ మరియు డికాన్ఫౌండింగ్: లేదా, స్లేయింగ్ ది లార్కింగ్ వేరియబుల్; స్మోక్-ఫిల్డ్ డిబేట్: క్లియరింగ్ ది ఎయిర్; పారడాక్స్ గలోర్!; బియాండ్ అడ్జస్ట్‌మెంట్: ది కాంక్వెస్ట్ ఆఫ్ మౌంట్ ఇంటర్వెన్షన్; కౌంటర్ఫ్యాక్చువల్స్: మైనింగ్ వరల్డ్స్ దట్ హావుడ్ బీన్; మధ్యవర్తిత్వం: ది సెర్చ్ ఫర్ ఎ మెకానిజం; బిగ్ డేటా, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు పెద్ద ప్రశ్నలు.
డేటా సైన్స్‌లో కెరీర్‌ను రూపొందించండి
రచన: ఎమిలీ రాబిన్సన్ మరియు జాక్వెలిన్ నోలిస్
- ప్రచురణకర్త: మన్నింగ్
- ప్రచురించబడిన తేదీ: మార్చి 24, 2020
- భాష: ఆంగ్లం
- కొలతలు: 7.38 x 0.8 x 9.25 అంగుళాలు
- పేజీల సంఖ్య: 354
కంటెంట్: డేటా సైన్స్‌తో ప్రారంభించడం; మీ డేటా సైన్స్ ఉద్యోగాన్ని కనుగొనడం; డేటా సైన్స్‌లో స్థిరపడటం; మీ డేటా సైన్స్ పాత్రలో పెరుగుదల.
https://www.manning.com/books/build-a-career-in-data-science
డమ్మీస్ కోసం డేటా సైన్స్ / 2వ ఎడిషన్
రచన: లిలియన్ పియర్సన్
- ప్రచురణకర్త: డమ్మీస్ కోసం
- ప్రచురించబడిన తేదీ: మార్చి 6, 2017
- భాష: ఇంగ్లీష్
- కొలతలు: 7.3 x 1 x 9 అంగుళాలు
- పేజీల సంఖ్య: 384
ఈ పుస్తకం రీడర్‌కు ఇప్పటికే గణిత మరియు ప్రోగ్రామింగ్ ముందు అవసరమైన జ్ఞానం ఉందని ఊహిస్తుంది.
కంటెంట్: డేటా సైన్స్ చుట్టూ మీ తలని చుట్టడం; డేటా ఇంజనీరింగ్ పైప్‌లైన్‌లు మరియు మౌలిక సదుపాయాలను అన్వేషించడం; వ్యాపారం మరియు పరిశ్రమలకు డేటా ఆధారిత అంతర్దృష్టులను వర్తింపజేయడం; మెషిన్ లెర్నింగ్: మీ మెషీన్‌తో డేటా నుండి నేర్చుకోవడం; గణితం, సంభావ్యత మరియు స్టాటిస్టికల్ మోడలింగ్; డేటాను సబ్‌డివైడ్ చేయడానికి క్లస్టరింగ్‌ని ఉపయోగించడం; ఉదాహరణలతో మోడలింగ్; ఇంటర్నెట్-ఆఫ్-థింగ్స్ పరికరాలను నిర్వహించే బిల్డింగ్ మోడల్స్; డేటా విజువలైజేషన్ డిజైన్ సూత్రాలను అనుసరించడం; డేటా విజువలైజేషన్ కోసం D3.jsని ఉపయోగించడం; విజువలైజేషన్ డిజైన్ కోసం వెబ్ ఆధారిత అప్లికేషన్లు; డాష్‌బోర్డ్ డిజైన్‌లో అత్యుత్తమ అభ్యాసాలను అన్వేషించడం; ప్రాదేశిక డేటా నుండి మ్యాప్‌లను రూపొందించడం; డేటా సైన్స్ కోసం పైథాన్ ఉపయోగించడం; డేటా సైన్స్ కోసం ఓపెన్ సోర్స్ R ఉపయోగించడం; డేటా సైన్స్‌లో SQLని ఉపయోగించడం; ఎక్సెల్ మరియు నైమ్‌తో డేటా సైన్స్ చేయడం; జర్నలిజంలో డేటా సైన్స్: నైలింగ్ డౌన్ ది ఫైవ్ Ws (మరియు ఒక H); ఎన్విరాన్‌మెంటల్ డేటా సైన్స్‌లో పరిశోధన; ఇ-కామర్స్‌లో డ్రైవింగ్ గ్రోత్ కోసం డేటా సైన్స్; నేర కార్యకలాపాలను వివరించడానికి మరియు అంచనా వేయడానికి డేటా సైన్స్ ఉపయోగించడం; ఓపెన్ డేటా కోసం పది అసాధారణ వనరులు; పది ఉచిత డేటా సైన్స్ సాధనాలు మరియు అప్లికేషన్లు.
మాసివ్ డేటాసెట్ల మైనింగ్ / 3 RD ఎడిటింగ్
రచన: జ్యూర్ లెస్కోవెక్, ఆనంద్ రాజారామన్, జెఫ్రీ డేవిడ్ ఉల్మాన్
- ప్రచురణకర్త: కేంబ్రిడ్జ్ యూనివర్సిటీ ప్రెస్
- ప్రచురించబడిన తేదీ: ఫిబ్రవరి 13, 2020
- భాష: ఇంగ్లీష్
- కొలతలు: 7 x 1 x 9.75 అంగుళాలు
- పేజీల సంఖ్య: 565
ఈ పుస్తకం రీడర్‌కు ఇప్పటికే గణిత మరియు ప్రోగ్రామింగ్ ముందు అవసరమైన జ్ఞానం ఉందని కూడా ఊహిస్తుంది.
కంటెంట్: డేటా మైనింగ్; MapReduce మరియు కొత్త సాఫ్ట్‌వేర్ స్టాక్; MapReduce ఉపయోగించి అల్గోరిథంలు; సారూప్య వస్తువులను కనుగొనడం; మైనింగ్ డేటా స్ట్రీమ్స్; లింక్ విశ్లేషణ; తరచుగా వస్తువులు; క్లస్టరింగ్; వెబ్‌లో ప్రకటనలు; సిఫార్సు వ్యవస్థలు; మైనింగ్ సోషల్ నెట్‌వర్క్ గ్రాఫ్‌లు; డైమెన్షనాలిటీ తగ్గింపు; పెద్ద-స్థాయి మెషిన్ లెర్నింగ్.
ముగింపు
నిపుణుల కార్యక్రమాల మధ్య వ్యత్యాసాలు ఇంకా స్పష్టంగా లేవు. సాధారణ మరియు ప్రత్యేక కార్యక్రమాల మధ్య వ్యత్యాసాలు కూడా ఇంకా స్పష్టంగా లేవు. అయితే, ఇచ్చిన పుస్తకాల జాబితాను చదివిన తర్వాత, పాఠకుడు డేటా అనలిస్ట్, డేటా ఇంజనీరింగ్ మరియు డేటా సైంటిస్ట్ యొక్క ప్రత్యేక పాత్రలను మెరుగ్గా మెచ్చుకునే స్థితిలో ఉంటారు, ఆపై ముందుకు సాగుతారు.