5 книг, достойных внимания аналитика данных
Поговорка «Знание — сила» никогда не была более актуальной. И всё благодаря постоянному росту интереса к этой специальности 😎 Сегодня мы подготовили для вас 5 книг, которые помогут окунуться в мир больших цифр и аналитики.
Какие есть значимые книги по аналитике данных? 📚
📚 «О чем говорят цифры. Как понимать и использовать данные» (Томас Дэвенпорт и Ким Джин Хо)
В книге эксперты по аналитике предлагают практические инструменты для улучшения понимания анализа данных, мышления и принятия решений. Вы научитесь формулировать гипотезу, собирать и анализировать данные, интерпретировать и передавать аналитические результаты, развивать навыки количественного мышления и эффективно работать с цифрами.
📚 Бизнес-моделирование и анализ данных (Уэйн Л. Винстон)
С этой книгой вы освоите методы бизнес-моделирования и анализа с помощью Microsoft Excel и преобразуйте данные в итоговые результаты. Это практическое руководство поможет вам использовать новейшие инструменты Excel, чтобы задавать правильные вопросы и получать точные, действенные ответы. Это издание имеет более 150 новых проблем с решениями, а также главу про основные модели электронных таблиц.
📚 Укрощение больших данных (Билл Фрэнкс)
Автор составляет простой в исполнении план действий, который поможет вашей организации раскрыть новые возможности для бизнеса, внедрить новые бизнес-процессы и принять более обоснованные решения. Это удобное руководство исследует ряд концепций больших данных и то, как они могут быть применены для улучшения аналитики.
📚 «Все лгут. Поисковики, Big Data и интернет знают о вас всё» (Cет Стивенс-Давидовиц)
Данная книга предлагает увлекательные идеи обо всем: от экономики до этики и многого другого. Какой процент белых избирателей не проголосовал за Барака Обаму, потому что он черный? Влияет ли то, куда вы ходите в школу, на то, насколько вы успешны в жизни? Все эти примеры взяты из мира больших данных.
📚 Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования (Джон Д. Келлехер)
В книге описаны четыре подхода к машинному обучению: обучение на основе информации, обучение на основе сходства, обучение на основе вероятности и обучение на основе ошибок. Каждый подход вводится не техническим объяснением концепции, за которым следуют алгоритмы, иллюстрируемые подробными примерами.