Programiści lubią Pythona. Ujmuje ich wyrazistość, zwięzłość i interaktywność kodu, a także bogata kolekcja narzędzi i bibliotek. Zalety te są uzupełniane przez rozwój innych technologii, zwiększającą się dostępność coraz szybszego sprzętu oraz rosnącą przepustowość internetu. Z kolei to wszystko wiąże się z powstawaniem niewyobrażalnych ilości danych, które trzeba magazynować i efektywnie przetwarzać. Większość innowacji w świecie informatyki koncentruje się wokół danych. A z tymi zadaniami można sobie poradzić dzięki imponującym możliwościom Pythona i jego bibliotek.

Ta książka ułatwi naukę Pythona metodą analizy i eksperymentów. Zawiera ponad 500 przykładów faktycznie wykorzystywanego kodu - od krótkich bloków po kompletne studia przypadków. Pokazano, w jaki sposób można kodować w interpreterze IPython i notatnikach Jupytera. Znalazł się tu obszerny opis Pythona oraz jego instrukcji sterujących i funkcji, omówiono pracę na plikach, kwestie serializacji w notacji JSON i obsługę wyjątków. Zaprezentowano różne paradygmaty programowania: proceduralnego, w stylu funkcyjnym i zorientowanego obiektowo. Sporo miejsca poświęcono bibliotekom: standardowej bibliotece Pythona i bibliotekom data science do realizacji złożonych zadań przy minimalnym udziale kodowania. Nie zabrakło wprowadzenia do takich zagadnień data science jak sztuczna inteligencja, symulacje, animacje czy przygotowanie danych do analizy.

W książce między innymi:

• przetwarzanie języka naturalnego
• IBM
• stosowanie bibliotek scikit-learn i Keras
• big data, Hadoop(R), Spark™, NoSQL i usługi chmurowe
• programowanie dla internetu rzeczy (IoT)
• biblioteki: standardowa, NumPy, Pandas, SciPy, NLTK, YexyBlob, Tweepy, Matplotlib i inne

Nauka o danych, zwana danologią, zyskuje na znaczeniu. Dane dla gospodarki są tym, czym dotąd były węgiel, stal i ropa naftowa. Umiejętność korzystania z wiedzy zawartej w danych decyduje o efektywności prowadzenia działalności gospodarczej i determinuje rozwój nowych modeli, rozwiązań i relacji gospodarczych. Już teraz specjaliści danolodzy są rozchwytywani na rynku pracy. Aby jednak w pełni i do końca wykorzystać pojawiające się możliwości, trzeba wiedzieć, w jaki sposób podejść do trudnego zagadnienia, jakim jest budowanie ścieżki kariery i podążanie nią w odpowiednim dla siebie tempie.

To praktyczny przewodnik, dzięki któremu łatwiej zdobędziesz pierwszą pracę związaną z badaniem danych, szybciej staniesz się cenionym specjalistą i w miarę rozwoju zawodowego będziesz coraz trafniej wychwytywać pojawiające się możliwości awansu i zmiany pracy na atrakcyjniejszą. Dowiesz się, jak zdobyć podstawowe umiejętności i jak faktycznie wyglądają konkretne stanowiska pracy. Opisano tu również, jak pomyślnie przejść przez proces rekrutacji i zaaklimatyzować się w nowych warunkach. Nie zabrakło cennych wskazówek dotyczących awansowania na stanowiska kierownicze. Jako danolog prędko się przekonasz, że zawarta tutaj wiedza nietechniczna jest bardzo potrzebna do osiągnięcia sukcesu na polu badania danych.

Dzięki tej książce dowiesz się, jak:

• tworzyć świetne portfolio projektów z zakresu badania danych
• wyszukiwać, oceniać i negocjować oferty
• z klasą zmieniać miejsca pracy
• wybierać i skutecznie realizować scenariusze kariery
• poradzili sobie inni wybitni analitycy danych!

Danologia: nauka, pasja i sposób na życie!

Obierz kurs na karierę mistrza danych

Data science, big data - odkąd naszą wirtualną rzeczywistość opanowały wiedzące o nas wszystko ciasteczka, wyszukiwarka Google i media społecznościowe, te słowa budzą emocje i nadzieję u wielu osób zajmujących się biznesem. Kto ma dostęp do danych, ten trafił na żyłę złota. A kto potrafi je odpowiednio sortować, filtrować i - co najważniejsze - wyciągać z nich wnioski, ten może naprawdę dużo! Nic dziwnego, że specjaliści w tej dziedzinie są sowicie wynagradzani - w 2020 roku data scientist był trzecim najlepiej opłacanym zawodem w branży IT w Stanach Zjednoczonych.

Siłą rzeczy zawód data scientist (po polsku mówi się czasem „mistrz danych”) zyskuje na popularności. Coraz więcej firm i organizacji dostrzega wagę zbierania i analizowania pozyskanych danych w kontekście przyszłości i strategicznego planowania działalności. Stąd ogłoszeń z propozycjami zatrudnienia dla specjalistów z tej dziedziny nie brakuje, a fraza „data scientist zarobki” jest szalenie popularna! Liczba miejsc pracy rośnie proporcjonalnie do tego, jak zwiększa się ilość danych. Czyli naprawdę szybko! Dlatego przy wyborze informatycznej specjalizacji warto rozważyć karierę „mistrza danych”. Nie tylko dla pieniędzy. Także dlatego, że daje ona możliwość ciągłego rozwoju i nauki nowych aspektów.

Co Cię czeka podczas naszego profesjonalnego szkolenia video z Data Science?

Szkoląc się w ramach tego kursu online Data Science:

• Poznasz specyfikę pracy na stanowisku data scientist
• Zdobędziesz umiejętność rozróżniania obszarów pracy z danymi
• Opanujesz podstawy pracy z językami: Python, R, SQL
• Zaznajomisz się ze środowiskami big data

Co więcej...

• W trakcie szkolenia dowiesz się też, jak stworzyć atrakcyjne dla przyszłych pracodawców CV i portfolio data scientist

Data Science - zawód przyszłości. Kurs video. Jak rozpocząć karierę w pracy z danymi jest wprowadzeniem do pracy w dziedzinie data science, kończy się więc na poziomie podstawowym. Wyposaży Cię jednak w wiedzę niezbędną do dalszego, samodzielnego rozwoju i podpowie, po jakie narzędzia sięgać, aby doskonalić warsztat profesjonalisty.

Nauka o danych

Data science to dziedzina prawdziwie interdyscyplinarna, w której używa się naukowych metod, procesów, algorytmów i systemów do wydobywania wiedzy, a także spostrzeżeń ustrukturyzowanych i nieustrukturyzowanych danych. Z wiedzy zdobytej na podstawie analizy danych zaś korzysta się w szerokim przekroju zastosowań.

Data science blisko wiąże się z takimi pojęciami jak data mining (eksploracja danych), machine learning (samouczenie się maszyn) i big data (praca na dużych zbiorach danych).

To dziedzina niezwykle rozległa, oferująca naprawdę duże możliwości, jeśli chodzi o karierę i rozwój. Idealna dla kogoś, kto czuje, że jego powołaniem jest analiza.

Jeśli wiesz, że to właśnie Ty, nie czekaj, tylko działaj! Uruchom kurs video Data Science - zawód przyszłości i w krótkim czasie (bez setek godzin poświęconych na poszukiwanie rozmaitych materiałów) zanurz się w fascynujący świat danych.

I wreszcie zacznij poruszać się wśród nich jak profesjonalista!

Zobacz także kursy video MySQL dostępne w naszej ofercie.

Poprawnie zaprojektowane i wdrożone potoki danych mają kluczowe znaczenie dla pomyślnej analizy danych, a także w trakcie uczenia maszynowego. Pozyskanie ogromnych ilości danych z różnych źródeł najczęściej nie stanowi problemu. Nieco trudniejsze jest zaprojektowanie procesu ich przetwarzania w celu dostarczenia kontekstu w taki sposób, aby efektywnie korzystać z posiadanych danych w codziennej pracy organizacji i podejmować dzięki nim rozsądne decyzje.

Oto zwięzły przewodnik przeznaczony dla inżynierów danych, którzy chcą poznać zasady implementacji potoków danych. Wyjaśnia najważniejsze pojęcia związane z potokami danych, opisuje zasady ich tworzenia i implementacji, prezentuje także najlepsze praktyki stosowane przez liderów w branży analizy danych. Dzięki książce zrozumiesz, w jaki sposób potoki danych działają na nowoczesnym stosie danych, poznasz też typowe zagadnienia, które trzeba przemyśleć przed podjęciem decyzji dotyczących implementacji. Dowiesz się, jakie są zalety samodzielnego opracowania rozwiązania, a jakie - zakupu gotowego produktu. Poznasz również podstawowe koncepcje, które mają zastosowanie dla frameworków typu open source, produktów komercyjnych i samodzielnie opracowywanych rozwiązań.

Dowiedz się:

• czym jest potok danych i na czym polega jego działanie
• jak się odbywa przenoszenie i przetwarzanie danych w nowoczesnej infrastrukturze
• jakie narzędzia są szczególnie przydatne do tworzenia potoków danych
• jak używać potoków danych do analizy i tworzenia raportów
• jakie są najważniejsze aspekty obsługi potoków, ich testowania i rozwiązywania problemów

Poznaj najlepsze praktyki projektowania i implementacji potoków danych!

Nauka o danych jest nową, interdyscyplinarną dziedziną, funkcjonującą na pograniczu algebry liniowej, modelowania statystycznego, lingwistyki komputerowej, uczenia maszynowego oraz metod akumulacji danych. Jest przydatna między innymi dla analityków biznesowych, statystyków, architektów oprogramowania i osób zajmujących się sztuczną inteligencją. Szczególnie praktycznym narzędziem dla tych specjalistów jest język Python, który zapewnia doskonałe środowisko do analizy danych, uczenia maszynowego i algorytmicznego rozwiązywania problemów.
Niniejsza książka jest doskonałym wprowadzeniem do nauki o danych. Jej autorzy wskażą Ci prostą i szybką drogę do rozwiązywania różnych problemów z tego obszaru za pomocą Pythona oraz powiązanych z nim pakietów do analizy danych i uczenia maszynowego. Dzięki lekturze przejdziesz przez kolejne etapy modyfikowania i wstępnego przetwarzania danych, poznając przy tym podstawowe operacje związane z wczytywaniem danych, przekształcaniem ich, poprawianiem na potrzeby analiz, eksplorowaniem i przetwarzaniem. Poza podstawami opanujesz też zagadnienia uczenia maszynowego, w tym uczenia głębokiego, techniki analizy grafów oraz wizualizacji danych.
Najważniejsze zagadnienia przedstawione w książce:

• konfiguracja środowiska Jupyter Notebook
• najważniejsze operacje stosowane w nauce o danych
• potoki danych i uczenie maszynowe
• wprowadzenie do grafów i wizualizacje
• biblioteki i pakiety Pythona służące do badań danych

Nauka o danych — fascynujące algorytmy i potężne grafy!

Alberto Boschetti specjalizuje się w przetwarzaniu sygnałów i statystyce. Jest doktorem inżynierii telekomunikacyjnej. Zajmuje się przetwarzaniem języków naturalnych, analityką behawioralną, uczeniem maszynowym i przetwarzaniem rozproszonym.
Luca Massaron specjalizuje się w statystycznych analizach wieloczynnikowych, uczeniu maszynowym, statystyce, eksploracji danych i algorytmice. Pasjonuje się potencjałem, jaki drzemie w nauce o danych.

Metody statystyczne są kluczowym narzędziem w data science, mimo to niewielu analityków danych zdobyło wykształcenie w ich zakresie. Może im to utrudniać uzyskiwanie dobrych efektów. Zrozumienie praktycznych zasad statystyki okazuje się ważne również dla programistów R i Pythona, którzy tworzą rozwiązania dla data science. Kursy podstaw statystyki rzadko jednak uwzględniają tę perspektywę, a większość podręczników do statystyki w ogóle nie zajmuje się narzędziami wywodzącymi się z informatyki.

To drugie wydanie popularnego podręcznika statystyki przeznaczonego dla analityków danych. Uzupełniono je o obszerne przykłady w Pythonie oraz wyjaśnienie, jak stosować poszczególne metody statystyczne w problemach data science, a także jak ich nie używać. Skoncentrowano się też na tych zagadnieniach statystyki, które odgrywają istotną rolę w data science. Wyjaśniono, które koncepcje są ważne i przydatne z tej perspektywy, a które mniej istotne i dlaczego. Co ważne, poszczególne koncepcje i zagadnienia praktyczne przedstawiono w sposób przyswajalny i zrozumiały również dla osób nienawykłych do posługiwania się statystyką na co dzień.

W książce między innymi:

• analiza eksploracyjna we wstępnym badaniu danych
• próby losowe a jakość dużych zbiorów danych
• podstawy planowania eksperymentów
• regresja w szacowaniu wyników i wykrywaniu anomalii
• statystyczne uczenie maszynowe
• uczenie nienadzorowane a znaczenie danych niesklasyfikowanych

Statystyka: klasyczne narzędzia w najnowszych technologiach!

Platforma Amazon Web Services jest uważana za największą i najbardziej dojrzałą chmurę obliczeniową. Zapewnia bogaty zestaw specjalistycznych narzędzi ułatwiających realizację projektów z zakresu inżynierii danych i uczenia maszynowego. W ten sposób inżynierowie danych, architekci i menedżerowie mogą szybko zacząć używać danych do podejmowania kluczowych decyzji biznesowych. Uzyskanie optymalnej efektywności pracy takich projektów wymaga jednak dobrego rozeznania w możliwościach poszczególnych narzędzi, usług i bibliotek.

Dzięki temu praktycznemu przewodnikowi szybko nauczysz się tworzyć i uruchamiać procesy w chmurze, a następnie integrować wyniki z aplikacjami. Zapoznasz się ze scenariuszami stosowania technik sztucznej inteligencji: przetwarzania języka naturalnego, rozpoznawania obrazów, wykrywania oszustw, wyszukiwania kognitywnego czy wykrywania anomalii w czasie rzeczywistym. Ponadto dowiesz się, jak łączyć cykle rozwoju modeli z pobieraniem i analizą danych w powtarzalnych potokach MLOps. W książce znajdziesz też zbiór technik zabezpieczania projektów i procesów z obszaru inżynierii danych, takich jak stosowanie usługi IAM, uwierzytelnianie, autoryzacja, izolacja sieci, szyfrowanie danych w spoczynku czy postkwantowe szyfrowanie sieci dla danych w tranzycie.

Najciekawsze zagadnienia:

• narzędzia AWS związane ze sztuczną inteligencją i z uczeniem maszynowym
• kompletny cykl rozwoju modelu przetwarzania języka naturalnego
• powtarzalne potoki MLOps
• uczenie maszynowe w czasie rzeczywistym
• wykrywanie anomalii i analiza strumieni danych
• zabezpieczanie projektów i procesów z obszaru inżynierii danych

AWS i inżynieria danych: tak zwiększysz wydajność i obniżysz koszty!

Implementowanie solidnego kompletnego procesu uczenia maszynowego to żmudne zadanie, dodatkowo komplikowane przez szeroki zakres dostępnych narzędzi i technologii. Autorzy wykonali świetną robotę, a jej efekty pomogą zarówno nowicjuszom, jak i doświadczonym praktykom realizować to zadanie z wykorzystaniem możliwości, jakie dają usługi AWS

Brent Rabowsky, danolog w firmie Amazon Web Services

Celem monografii jest przedstawienie, jakie zmiany zachodzą w badaniach marketingowych pod wpływem rozwoju technologii informacyjnych i komunikacyjnych. Wskazano w niej nowe podejścia, metody i techniki badawcze, takie jak Google Analytics, strategie analityczne odnoszące się do big data, sztuczne sieci neuronowe czy badania neuromarketingowe. Zwiększająca zasięg penetracja Internetu, rozwój społeczeństwa sieci i gospodarki sieciowej stwarzają wiele implikacji dla zarządzania wiedzą i sprawiają, że bardzo wiele projektów badawczych immanentnie związanych jest z nowymi mediami. Autorzy w swoich tekstach dowodzą, iż dokonująca się dzięki technologiom cyfrowym transformacja danych pozyskanych z rynku w informacje pozwala na coraz trafniejsze antycypowanie zachowań podmiotów rynkowych, szczególnie konsumentów, co w konsekwencji służy zwiększaniu skuteczności i efektywności działań marketingowych.

Ze względu na gwałtowny rozwój inżynierii danych, jaki nastąpił w ciągu ostatniej dekady, wielu inżynierów oprogramowania, badaczy i analityków danych zaczęło odczuwać potrzebę kompleksowego spojrzenia na tę praktykę. Dzięki tej praktycznej książce zawierającej opis najlepszych technologii dostępnych w ramach frameworka cyklu życia inżynierii danych, dowiesz się, jak planować i budować systemy, które mają zaspokoić potrzeby Twojej organizacji i klientów.

Autorzy, Joe Reis i Matt Housley, przeprowadzą Cię przez cykl życia inżynierii danych i pokażą, jak połączyć różne technologie chmurowe, aby spełnić potrzeby konsumentów danych w dolnej części strumienia przetwarzania. Dzięki lekturze tej książki dowiesz się, jak zastosować koncepcje generowania, pozyskiwania, orkiestracji, przekształcania, przechowywania i zarządzania danymi - kluczowe w każdym środowisku danych, niezależnie od wykorzystywanej technologii.

Dzięki książce:

• Uzyskasz zwięzły przegląd całego środowiska inżynierii danych.
• Nauczysz się oceniać problemy inżynierii danych i stosować kompleksowe frameworki najlepszych praktyk.
• Dowiesz się jak przebić się przez szum marketingowy i wybrać odpowiednie technologie, architekturę danych i procesy?
• Nauczysz się wykorzystywać cykl życia inżynierii danych do zaprojektowania i zbudowania solidnej architektury.
• Poznasz mechanizmy zarządzania danymi i bezpieczeństwa w całym cyklu życia inżynierii danych.

"Świat danych ewoluuje już od jakiegoś czasu. Najpierw byli projektanci. Następnie administratorzy baz danych. Potem CIO. Następnie architekci danych. Ta książka sygnalizuje kolejny krok w ewolucji i dojrzałości branży. Jest to lektura obowiązkowa dla każdego, kto uczciwie podchodzi do swojego zawodu i kariery".

Bill Inmon, twórca hurtowni danych

"Inżynieria danych w praktyce" to świetne wprowadzenie do branży przenoszenia, przetwarzania i obsługi danych. Gorąco polecam ją każdemu, kto chce być na bieżąco z inżynierią danych lub analizą oraz wszystkim osobom zajmującym się danymi, którzy chcą uzupełnić luki w swojej wiedzy".

Jordan Tigani, założyciel i dyrektor generalny firmy MotherDuck oraz inżynier-założyciel i współtwórca firmy BigQuery

Koncepcja big data, nauka o danych i analityka danych wspomagają dziś procesy decyzyjne w przedsiębiorstwach w niespotykanym wcześniej zakresie. Zwiększają poziom efektywności pracy w wielu różnych branżach. Korporacje zaczęły więc eksperymenty z wykorzystaniem big data i technologii chmury, aby budować jeziora danych oraz tworzyć oparte na nich systemy podejmowania decyzji. Niejeden z tych projektów się nie powiódł, gdyż nie został dostosowany do kultury i potrzeb przedsiębiorstwa. Najwyraźniej zabrakło wiedzy, w jaki sposób skutecznie przeprowadzać tak radykalną transformację.

Ta książka jest praktycznym przewodnikiem, który ułatwia wdrażanie architektury jeziora danych (ang. data lake) w przedsiębiorstwie. Omówiono tu różne podejścia do jej uruchamiania i rozwijania, w tym kałuże danych (analityczne piaskownice) i stawy danych (hurtownie danych), a także budowanie jezior danych od podstaw. Opisano konfigurowanie różnych stref, co pozwala na odpowiednie rozmieszczenie zarówno surowych, jak i starannie zarządzanych i przetworzonych danych. Wyjaśniono znaczenie zarządzania dostępem do stref. Zawarto tu również wskazówki umożliwiające zachowanie zgodności z regułami zarządzania danymi przedsiębiorstwa.

W tej książce:

• wprowadzenie do hurtowni danych, big data i nauki o danych
• praktyczne techniki budowania jezior danych
• najlepsze praktyki dostarczania analitykom dostępu do danych
• projektowanie architektury jeziora danych oraz różne techniki implementacji
• zalety i wady różnych podejść do budowania magazynów danych i zarządzania nimi

Jeziora danych i big data - ocean możliwości!

Wprawny analityk potrafi się posługiwać zbiorami danych o wysokiej dynamice i różnorodności. Działanie to ułatwia biblioteka open source Pandas, która pozwala, przy użyciu języka Python, zrealizować niemal każde zadanie wymagające analizy danych. Pandas może pomóc w zapewnieniu wiarygodności danych, wizualizowaniu ich pod kątem efektywnego podejmowania decyzji i analizowaniu wielu zbiorów danych.

Oto drugie, zaktualizowane i uzupełnione wydanie przewodnika po bibliotece Pandas. Dzięki tej przystępnej książce nauczysz się w pełni korzystać z możliwości oferowanych przez bibliotekę, nawet jeśli dopiero zaczynasz przygodę z analizą danych w Pythonie. Naukę rozpoczniesz z użyciem rzeczywistego zbioru danych, aby wkrótce rozwiązywać złożone problemy danologii, takie jak obsługa brakujących danych, stosowanie regularyzacji czy też używanie metod nienadzorowanego uczenia maszynowego do odnajdywania podstawowej struktury w zbiorze danych. Pracę z poszczególnymi zagadnieniami ułatwia to, że zostały one zilustrowane prostymi, ale praktycznymi przykładami.

W książce:

• importowanie i eksportowanie danych, przygotowywanie ich zbiorów
• tworzenie wykresów za pomocą bibliotek matplotlib, seaborn i Pandas
• konwersja typów danych
• skalowanie operacji przetwarzania danych
• zaawansowane możliwości biblioteki Pandas powiązane z datami i czasem
• dopasowywanie modeli liniowych przy użyciu bibliotek statsmodels i scikit-learn

Analizuj zbiory danych i odkrywaj ukrytą w nich wiedzę!

Analiza danych z Hadoopem — i wszystko staje się prostsze!

• Podstawy Hadoopa i model MapReduce
• Praca z Hadoopem, budowa klastra i zarządzanie platformą
• Dodatki zwiększające funkcjonalność Hadoopa

• Hadoop i model MapReduce
• Systemy HDFS i YARN
• Operacje wejścia – wyjścia w platformie Hadoop
• Typy, formaty, funkcje i budowa aplikacji w modelu MapReduce
• Zarządzanie platformą Hadoop
• Avro, Parquet, Flume i Sqoop — metody pracy z danymi
• Pig, Hive, Crunch i Spark — wysokopoziomowe narzędzia do przetwarzania danych
• HBase i ZooKeeper — praca w środowisku rozproszonym
• Integrowanie danych w firmie Cerner
• Nauka o danych biologicznych
• Cascading

Hadoop — rozwiązanie na miarę wyzwań globalnych!

Nawiąż połączenie z danymi istotnymi dla Twojej firmy

Opowiadaj przekonujące historie za pomocą wizualizacji

Przejdź na następny poziom za sprawą języka DAX i integracji

Jack Hyman - obecnie ma ponad 3000 utworów na swojej playliście w iTunes

Odblokuj potencjał danych za pomocą Power BI

Czy firma, w której pracujesz, ma tak dużo danych, że nie wiesz, co z nimi zrobić ani nie potrafisz ich zrozumieć? Microsoft Power BI to dająca duże możliwości intuicyjna platforma, która pomaga przekształcać surowe dane w informacje umożliwiające podejmowanie działań, i to bez konieczności przechodzenia długich szkoleń lub uczenia się programowania. Z tej książki dowiesz się, jak badać źródła danych, tworzyć ich modele, przetwarzać liczby, wizualizować wyniki i opracowywać atrakcyjne raporty inspirujące do zmian. Już dziś zacznij kierować firmą na podstawie twardych danych!

W książce:

• nawiązywanie połączeń ze źródłami danych
• organizowanie i przekształcanie danych
• tworzenie spójnych modeli danych
• sporządzanie atrakcyjnych diagramów i wykresów
• wyciąganie wartościowych wniosków
• poznawanie DAX - języka używanego w Power BI
• tworzenie przekonujących raportów
• integrowanie Power BI z aplikacjami OneDrive i SharePoint

Koncepcja big data zmieniła zasady gry w biznesie. Wiele osób z kadry zarządczej nie rozumie specyfiki tego rodzaju danych: ogromnych, szybko narastających, często niepasujących do tradycyjnej struktury. Są one zasadniczo różne od konwencjonalnych danych, zarówno pod względem wielkości, jak i złożoności. Rzucają nowe wyzwania, stwarzają nowe możliwości, zacierają tradycyjne granice konkurencji i zmuszają do zmiany paradygmatów pozyskiwania wartości z danych. Big data i data science wraz z uczeniem maszynowym radykalnie zmieniają ekosystem biznesu. Aby przetrwać tę rewolucję, trzeba dostosować się do nowych warunków.

Ta książka jest przystępnym wprowadzeniem do koncepcji big data i data science. Pozwoli na uzyskanie wiedzy niezbędnej do oceny, czy korzyści z tych technologii są warte kosztów i wysiłku związanych z wdrożeniem w firmie. Poszczególne techniki zostały dokładnie i przejrzyście opisane. Przedstawiono zasady tworzenia odpowiednich strategii. Wyjaśniono, jakich zasobów i jakich ludzi potrzeba do przeprowadzenia transformacji w kierunku zbierania, analizy i wykorzystywania danych, a także omówiono związane z tym ryzyko. Ważnym elementem książki są praktyczne wskazówki i podpowiedzi.

W tej książce:

• podstawy big data, data science i sztucznej inteligencji
• praktyczne zastosowanie big data w technikach analitycznych
• przegląd podstawowych rodzajów analityki i dobór technologii
• przygotowanie firmy do wdrożenia projektów big data i data science
• wymagania prawne i ochrona danych a korzystanie z narzędzi big data

Big data: łatwiejsze, niż myślisz, skuteczniejsze, niż marzysz!

Dzisiejszy, dynamiczny świat biznesu wysoko ceni wartość informacji płynących z danych. Rozwiązania z obszaru analityki biznesowej ułatwiają kierownictwu przedsiębiorstwa podejmowanie najlepszych decyzji, a to z kolei przekłada się na sukces rynkowy i zyski. Analitycy danych, którzy potrafią przełożyć strumień danych na przydatne informacje, zaprezentowane za pomocą czytelnych raportów, są dziś wysoko cenieni w każdej organizacji dążącej do rozwoju.

To drugie, w pełni zaktualizowane wydanie przewodnika dla początkujących, dzięki któremu szybko zdobędziesz praktyczne umiejętności korzystania z rozbudowanej platformy Power BI. Najpierw zapoznasz się z podstawami analityki biznesowej i sposobami realizowania projektów w tym obszarze. Nauczysz się krok po kroku pobierać, oczyszczać i przekształcać dane, a potem generować ich atrakcyjne wizualizacje. Szybko wprawisz się w tworzeniu eleganckich raportów zrozumiałych dla osób podejmujących decyzje biznesowe. Dowiesz się również, jak zainstalować platformę Power BI, zarządzać nią i wdrożyć ją w organizacji. Ponadto przekonasz się, jak ciekawe są ścieżki kariery dostępne dla specjalistów w tej dziedzinie, a także otrzymasz garść porad na temat dalszej nauki.

Dzięki książce:

• płynnie rozpoczniesz pracę z platformą Power BI
• zrozumiesz zasady analityki biznesowej
• nauczysz się przekształcać dane za pomocą edytora Power Query
• zaczniesz tworzyć zoptymalizowane modele danych
• zastosujesz język DAX do obliczeń na potrzeby analizy danych
• dowiesz się, jak korzystać z pulpitów nawigacyjnych, aplikacji, metryk i kart wyników

Z Power BI nauczysz się profesjonalnej analizy biznesowej!

Analiza danych jest stosunkowo młodą, interdyscyplinarną dziedziną, której celem jest wydobycie i wykorzystanie wiedzy ukrytej w surowych danych pozyskanych z różnych źródeł. Można w ten sposób zrozumieć istotę zjawisk, przewidzieć wystąpienie zdarzeń czy pozyskać informacje niedostępne w inny sposób. W wielu przypadkach wnioski wyciągnięte z analizy danych okazują się bezcenne, co doceniają profesjonaliści z licznych branż. Przygotowanie danych, przeanalizowanie ich i odpowiednie przedstawienie płynącej z nich wiedzy bywa sporym wyzwaniem, jednak dzięki takim narzędziom jak język R i związane z nim pakiety zadanie to staje się znacząco prostsze.

Niniejsza książka jest przystępnie napisanym przewodnikiem po języku R i narzędziach służących do analizy danych. Zawarto tu wyczerpujące wprowadzenie do języka R, programu RStudio i tidyverse. Zaprezentowano zestaw pakietów R, które znacznie poprawiają komfort pracy podczas analizy danych. Wyjaśniono znaczenie poszczególnych etapów analizy danych: ich importowania, oczyszczania, przekształcania, modelowania, wizualizowania, a także skutecznego komunikowania wiedzy płynącej z danych. Mimo że książka dotyczy narzędzi programistycznych, skorzystają z niej nie tylko programiści. Doceni ją każdy, kto chce zyskać solidne podstawy przygotowania i analizy danych.

Najważniejsze zagadnienia:

• przekształcanie zbiorów danych
• techniki analizy danych w języku R
• eksplorowanie danych, formułowanie i testowanie hipotez
• integracja opisów, kodu i wyników badań w języku R Markdown
• graficzna prezentacja danych z wykorzystaniem ggplot2

R — wszystko, czego potrzebujesz w profesjonalnej analizie danych!

C# liczy sobie około dwudziestu lat. Jest niestrudzenie rozwijany i doskonalony przez Microsoft, a dzięki swojej wszechstronności znajduje zastosowanie w wielu dziedzinach: pisaniu gier komputerowych, tworzeniu skalowalnych i niezawodnych aplikacji internetowych oraz aplikacji mobilnych, a nawet niskopoziomowym programowaniu komponentów większych systemów. Twórcy C# postawili na obiektowość, ścisłą kontrolę typów, a przede wszystkim na prostotę w stosowaniu. W tym celu wykorzystano wyniki badań akademickich i połączono je z praktycznymi technikami rozwiązywania problemów. W efekcie C# stał się ulubionym językiem profesjonalistów.

To czwarte wydanie podręcznika przeznaczonego dla programistów C#, którzy znają podstawy tego języka, jednak zależy im na dogłębnym zrozumieniu ważnych pojęć i przyswojeniu różnych sposobów myślenia o pozornie znanych zagadnieniach. W książce skrótowo opisano wersje C# od 2 do 5, a wyczerpująco omówiono wersje od 6 do 7.3. Zaprezentowano również niektóre informacje o projektowanych nowych elementach języka C# 8, takich jak typy referencyjne przyjmujące wartość null, wyrażenia switch, usprawnienia dopasowywania wzorców, a także dalsza integracja asynchroniczności z podstawowymi mechanizmami języka. Poszczególne treści zilustrowano licznymi przykładami kodu źródłowego.

W tej książce między innymi:

• wyrażenia lambda, inicjalizatory zapytań, asynchroniczność
• składowe z ciałem w postaci wyrażenia
• zaawansowane techniki pracy z ciągami znaków
• zagadnienia integracji krotek z językiem
• dekonstruktory i dopasowywanie wzorców
• nowe techniki stosowania referencji i powiązanych mechanizmów

C#. Programowanie na najwyższym poziomie!

Ważnym zadaniem inżynierów danych jest kreowanie modeli uczenia maszynowego. Używa się do tego narzędzi do analizy biznesowej, takich jak Power BI. Możliwości Power BI są imponujące, a można je dodatkowo rozbudować. Jedną z ciekawszych metod wzbogacania modelu danych i wizualizacji Power BI jest zastosowanie złożonych algorytmów zaimplementowanych w językach Python i R. W ten sposób można nie tylko tworzyć interesujące wizualizacje danych, ale także pozyskiwać dzięki nim kluczowe dla biznesu informacje.

Dzięki tej książce dowiesz się, jak to zrobić. Zaczniesz od przygotowania środowiska Power BI do używania skryptów w Pythonie i R. Następnie będziesz importować dane z nieobsługiwanych obiektów i przekształcać je za pomocą wyrażeń regularnych i złożonych algorytmów. Nauczysz się wywoływać zewnętrzne interfejsy API i korzystać z zaawansowanych technik w celu przeprowadzenia dogłębnych analiz i wyodrębnienia cennych informacji za pomocą narzędzi statystyki i uczenia maszynowego, a także poprzez zastosowanie optymalizacji liniowej i innych algorytmów. Zapoznasz się również z głównymi cechami statystycznymi zestawów danych i z metodami tworzenia różnych wykresów ułatwiających zrozumienie relacji między zmiennymi.

Najciekawsze zagadnienia:

• złożone przekształcanie danych w Power BI za pomocą skryptów Pythona i R
• anonimizacja i pseudonimizacja danych
• praca z dużymi zestawami danych
• wartości odstające i brakujące dla danych wielowymiarowych i szeregów czasowych
• tworzenie złożonych wizualizacji danych

Wyzwól potężną moc Power BI!

Dostęp do danych jest warunkiem rozwoju niejednej organizacji. Aby w pełni skorzystać z ich potencjału i uzyskać dzięki nim konkretną wartość, konieczne jest odpowiednie zarządzanie danymi. Obecnie stosowane rozwiązania w tym zakresie nie nadążają już za złożonością dzisiejszych organizacji, rozprzestrzenianiem się źródeł danych i rosnącymi aspiracjami inżynierów, którzy rozwijają techniki sztucznej inteligencji i analizy danych. Odpowiedzią na te potrzeby może być siatka danych (Data Mesh), jednak praktyczna implementacja tej koncepcji wymaga istotnej zmiany myślenia.

Ta książka szczegółowo wyjaśnia paradygmat siatki danych, a przy tym koncentruje się na jego praktycznym zastosowaniu. Zgodnie z tym nowatorskim podejściem dane należy traktować jako produkt, a dziedziny - jako główne zagadnienie. Poza wyjaśnieniem paradygmatu opisano tu zasady projektowania wysokopoziomowej architektury komponentów siatki danych, a także przedstawiono wskazówki i porady dotyczące ewolucyjnej realizacji siatki danych w organizacji. Tematyka ta została potraktowana wszechstronnie: omówiono kwestie technologiczne, organizacyjne, jak również socjologiczne i kulturowe. Dzięki temu jest to cenna lektura zarówno dla architektów i inżynierów, jak i dla badaczy, analityków danych, wreszcie dla liderów i kierowników zespołów.

W książce:

• wyczerpujące wprowadzenie do paradygmatu siatki danych
• siatka danych i jej komponenty
• projektowanie architektury siatki danych
• opracowywanie i realizacja strategii siatki danych
• zdecentralizowany model własności danych
• przejście z hurtowni i jezior danych do rozproszonej siatki danych

Siatka danych: kolejny etap rozwoju technologii big data!

Zestaw algorytmy z ich zastosowaniami

Zdobądź umiejętności posługiwania się algorytmami

Naucz się wykorzystywać Pythona do testowania algorytmów

Myśl za pomocą algorytmów

Ten jasny i przystępny przewodnik pokazuje, w jaki sposób algorytmy wpływają na nasze codzienne życie - od interakcji online po osobistą komunikację. Są również niezwykle ważne, jeśli chodzi o podejmowanie różnego rodzaju decyzji. Jeśli chcesz wiedzieć, jak korzystać z procedur rozwiązywania problemów w prawdziwym świecie, książka Algorytmy dla bystrzaków zagwarantuje Ci doskonałe wprowadzenie do tej fascynującej, wszechobecnej dziedziny.

W książce:

• Operacje na danych
• Projektowanie algorytmów
• Podstawy teorii grafów
• Zarządzanie danymi o dużej objętości
• Upraszczanie złożonych algorytmów