Эдгар Кодд опубликовал статью с описанием реляционной модели данных
- Главная
- Базы данных
- ⭐️Брендан Тирни
- 📚«Наука о данных. Базовый курс»
Отсканируйте код для установки мобильного приложения MyBook
Премиум
4.6
(55 оценок)
Наука о данных. Базовый курс
175 печатных страниц
Время чтения ≈ 5ч
2020 год
12+
Чтобы читать онлайн оформите подписку
Оцените книгу
О книге
Сегодня наука о данных используется практически во всех сферах: вы видите подобранные специально для вас рекламные объявления, рекомендованные на основе ваших предпочтений фильмы и книги, ссылки на предполагаемых друзей в соцсетях, отфильтрованные письма в папке со спамом.
Книга знакомит с основами науки о данных. В ней охватываются все ключевые аспекты, начиная с истории развития сбора и анализа данных и заканчивая этическими проблемами, связанными с конфиденциальностью информации. Авторы объясняют, как работают нейронные сети и машинное обучение, приводят примеры анализа бизнес-проблем и того, как их можно решить, рассказывают о сферах, на которые наука о данных окажет наибольшее влияние в будущем.
«Наука о данных» уже переведена на японский, корейский и китайский языки.
читайте онлайн полную версию книги «Наука о данных. Базовый курс» автора Брендан Тирни на сайте электронной библиотеки MyBook.ru. Скачивайте приложения для iOS или Android и читайте «Наука о данных. Базовый курс» где угодно даже без интернета.
Подробная информация
- Дата написания:
- 1 января 2018
- Объем:
- 316387
- Год издания:
- 2020
- Дата поступления:
- 1 апреля 2020
- ISBN (EAN):
- 9785961433784
- Переводчик:
- Михаил Белоголовский
- Время на чтение:
- 5 ч.
Жанры
Поделиться
Метод наименьших квадратов послужил основой для статистических методов обучения, таких как линейная регрессия и логистическая регрессия, а также для разработки моделей нейронных сетей искусственного интеллекта
Большие данные также привели к появлению новых платформ для их обработки. При работе с большими объемами информации на высоких скоростях может быть полезным с точки зрения вычислений и поддержания скорости распределять данные по нескольким серверам, затем обрабатывать запросы, вычисляя их результаты по частям на каждом из серверов, а затем объединять их в сгенерированный ответ. Такой подход использован в модели MapReduce на платформе Hadoop. В этой модели данные и запросы отображаются на нескольких серверах (распределяются между ними), а затем рассчитанные на них частичные результаты объединяются
Переводчик
Другие книги переводчика
Подборки с этой книгой
О проекте
О подписке
Другие проекты