Новая книга была добавлена в корзину

Data Science - это совокупность понятий и методов, позволяющих придать смысл и понятный вид огромным объемам данных.
Каждая из глав книги "Основы Data Science и Big Data. Python и наука о данных" посвящена одному из самых интересных аспектов анализа и обработки данных. Вы начнете с теоретических основ, затем перейдете к алгоритмам машинного обучения, работе с огромными массивами данных, NoSQL, потоковым данным, глубокому анализу текстов и визуализации информации. В многочисленных практических примерах использованы сценарии Python.
Обработка и анализ данных - одна из самых горячих областей IT, где постоянно требуются разработчики, которым по плечу проекты любого уровня, от социальных сетей до обучаемых систем. Надеемся, книга станет отправной точкой для вашего путешествия в увлекательный мир Data Science.

Оглавление книги "Основы Data Science и Big Data. Python и наука о данных"

Предисловие . 11
Благодарности . 12
О книге 14
Структура книги 14
Для кого написана эта книга . 15
Условные обозначения и загружаемые файлы . 15
Об авторах 16
От издательства . 17
Глава 1. Data science в мире больших данных 18
1.1. Область применения data science и больших данных и их преимущества . 19
1.2. Грани данных . 21
1.2.1. Структурированные данные . 21
1.2.2. Неструктурированные данные . 22
1.2.3. Данные на естественном языке 22
1.2.4. Машинные данные . 23
1.2.5. Графовые, или сетевые, данные 24
1.2.6. Аудио, видео и графика . 25
1.2.7. Потоковые данные . 26
1.3. Процесс data science . 26
1.3.1. Назначение цели исследования . 27
1.3.2. Сбор данных 27
1.3.3. Подготовка данных 27
1.3.4. Исследование данных 27
1.3.5. Моделирование данных или построение модели 27
1.3.6. Отображение и автоматизация 28
1.4. Экосистема больших данных и data science . 28
1.4.1. Распределенные файловые системы 30
1.4.2. Инфраструктура распределенного программирования 30
1.4.3. Инфраструктура интеграции данных 31
1.4.4. Инфраструктуры машинного обучения . 31
1.4.5. Базы данных NoSQL . 32
1.4.6. Инструменты планирования . 33
1.4.7. Инструменты сравнительного анализа 33
1.4.8. Развертывание системы . 33
1.4.9. Программирование служб 34
1.4.10. Безопасность . 34
1.5. Вводный пример использования Hadoop . 34
1.6. Итоги . 40
Глава 2. Процесс data science . 42
2.1. Обзор процесса data science . 42
2.1.1. Не будьте рабом процесса . 45
2.2. Этап 1: Определение целей исследования и создание
проектного задания . 46
2.2.1. Выделите время на то, чтобы разобраться в целях и контексте исследования 46
2.2.2. Создайте проектное задание 47
2.3. Этап 2: Сбор данных . 47
2.3.1. Начните с данных, хранимых в компании . 48
2.3.2. Не бойтесь покупок во внешних источниках . 49
2.3.3. Проверьте качество данных сейчас, чтобы предотвратить
проблемы в будущем . 50
2.4. Этап 3: Очистка, интеграция и преобразование данных 50
2.4.1. Очистка данных . 51
2.4.2. Исправляйте ошибки как можно раньше 58
2.4.3. Комбинирование данных из разных источников . 59
2.4.4. Преобразование данных 62
2.5. Этап 4: Исследовательский анализ данных . 66
2.6. Этап 5: Построение моделей . 70
2.6.1. Выбор модели и переменных . 71
2.6.2. Выполнение модели 72
2.6.3. Диагностика и сравнение моделей . 77
2.7. Этап 6: Представление результатов и построение приложений
на их основе 78
Итоги 79
Глава 3. Машинное обучение . 81
3.1. Что такое машинное обучение, и почему оно важно для вас? 82
3.1.1. Применение машинного обучения в data science 83
3.1.2. Применение машинного обучения в процессе data science 84
3.1.3. Инструменты Python, используемые в машинном обучении 85
3.2. Процесс моделирования . 87
3.2.1. Создание новых показателей и выбор модели 88
3.2.2. Тренировка модели . 89
3.2.3. Проверка адекватности модели . 90
3.2.4. Прогнозирование новых наблюдений . 91
3.3. Типы машинного обучения . 92
3.3.1. Контролируемое обучение . 92
3.3.2. Неконтролируемое обучение . 100
3.4. Частично контролируемое обучение . 111
3.5. Итоги . 112
Глава 4. Работа с большими данными на одном компьютере . 114
4.1. Проблемы при работе с большими объемами данных 115
4.2. Общие методы обработки больших объемов данных . 116
4.2.1. Правильный выбор алгоритма 117
4.2.2. Правильный выбор структуры данных 126
4.2.3. Правильный выбор инструментов 128
4.3. Общие рекомендации для программистов при работе с большими
наборами данных . 131
4.3.1. Не повторяйте уже выполненную работу . 131
4.3.2. Используйте все возможности оборудования . 132
4.3.3. Экономьте вычислительные ресурсы 133
4.4. Пример 1: Прогнозирование вредоносных URL-адресов . 134
4.4.1. Этап 1: Определение цели исследования . 134
4.4.2. Этап 2: Сбор данных URL . 135
4.4.3. Этап 4: Исследование данных 136
4.4.4. Этап 5: Построение модели . 137
4.5. Пример 2: Построение рекомендательной системы внутри
базы данных 139
4.5.1. Необходимые инструменты и методы . 139
4.5.2. Этап 1: Вопрос исследования . 142
4.5.3. Этап 3: Подготовка данных 142
4.5.4. Этап 5: Построение модели . 147
4.5.5. Этап 6: Отображение и автоматизация 148
4.6. Итоги . 150
Глава 5. Первые шаги в области больших данных . 151
5.1. Распределение хранения и обработки данных в инфраструктурах . 152
5.1.1. Hadoop: инфраструктура для хранения и обработки больших
объемов данных 152
5.1.2. Spark: замена MapReduce с повышенной производительностью 156
5.2. Учебный пример: Оценка риска при кредитовании 157
5.2.1. Этап 1: Цель исследования 159
5.2.2. Этап 2: Сбор данных 160
5.2.3. Этап 3: Подготовка данных 164
5.2.4. Этап 4: Исследование данных и Этап 6: построение отчета 169
5.3. Итоги . 182
Глава 6. Присоединяйтесь к движению NoSQL 183
6.1. Введение в NoSQL 186
6.1.1. ACID: базовые принципы реляционных баз данных 186
6.1.2. Теорема CAP: проблема баз данных, распределенных
по многим узлам 187
6.1.3. Принципы BASE баз данных NoSQL 190
6.1.4. Типы баз данных NoSQL 192
6.2. Учебный пример: Диагностика болезней . 199
6.2.1. Этап 1: Назначение цели исследования . 201
6.2.2. Этапы 2 и 3: Сбор и подготовка данных . 202
6.2.3. Этап 4: Исследование данных 211
6.2.4. Этап 3 (снова): Подготовка данных для профилирования
болезни . 220
6.2.5. Этап 4 (повторно): Исследование данных
для профилирования болезни 223
6.2.6. Этап 6: Отображение и автоматизация 224
6.3. Итоги . 226
Глава 7. Графовые базы данных . 227
7.1. Связанные данные и графовые базы данных . 227
7.1.1. Когда и почему используются графовые базы данных? . 231
7.2. Neo4j: графовая база данных 234
7.2.1. Cypher: язык запросов к графам . 235
7.3. Пример использования связанных данных: рекомендательная система 242
7.3.1. Этап 1: Определение цели исследования . 242
7.3.2. Этап 2: Сбор данных 244
7.3.3. Этап 3: Подготовка данных 245
7.3.4. Этап 4: Исследование данных 248
7.3.5. Этап 5: Моделирование данных . 251
7.3.6. Этап 6: Отображение . 254
7.4. Итоги 255
Глава 8. Глубокий анализ текста . 257
8.1. Глубокий анализ текста в реальном мире 259
8.2. Методы глубокого анализа текста . 263
8.2.1. Набор слов 264
8.2.2. Выделение основы и лемматизация . 266
8.2.3. Классификатор на базе дерева принятия решений . 267
8.3. Учебный пример: классификация сообщений Reddit 269
8.3.1. NLTK 270
8.3.2. Обзор процесса data science и этап 1: назначение цели
исследования 272
8.3.3. Этап 2: Сбор данных 273
8.3.4. Этап 3: Подготовка данных 277
8.3.5. Этап 4: Исследование данных 280
8.3.6. Этап 3 (повторно): Подготовка данных (адаптированная) 283
8.3.7. Этап 5: Анализ данных . 287
8.3.8. Этап 6: Отображение и автоматизация 291
8.4. Итоги . 293
Глава 9. Визуализация данных для конечного пользователя . 295
9.1. Способы визуализации данных . 296
9.2. Crossfilter, библиотека MapReduce для JavaScript . 300
9.2.1. Подготовка необходимых компонентов 300
9.2.2. Использование Crossfilter для фильтрации набора данных 305
9.3. Создание информационной панели с использованием dc.js . 309
9.4. Средства разработки 315
9.5. Итоги . 317
Приложение А. Настройка Elasticsearch . 319
А.1. Установка в Linux . 319
A.2. Установка в Windows 321
Приложение Б. Установка Neo4j 325
Б.1. Установка в Linux . 325
Б.2. Установка в Windows 326
Приложение В. Установка сервера MySQL . 328
В.1. Установка в Windows 328
В.2. Установка в Linux . 330
Приложение Г. Установка Anaconda в виртуальной среде . . . . . . . 332
Г.1. Установка в Linux . 332
Г.2. Установка в Windows . 332
Г.3. Настройка среды 333