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

Współczesne ogromne zbiory danych zawierają odpowiedzi na prawie każde pytanie. Równocześnie nauka o danych jest dziedziną, która cokolwiek onieśmiela. Znajduje się gdzieś pomiędzy subtelnymi umiejętnościami hakerskimi, twardą wiedzą z matematyki i statystyki a merytoryczną znajomością zagadnień z danej branży. Co więcej, dziedzina ta niezwykle dynamicznie się rozwija. Trud włożony w naukę o danych niewątpliwie się jednak opłaca: biegły analityk danych może liczyć na dobrze płatną, inspirującą i bardzo atrakcyjną pracę.

Dzięki tej książce opanujesz najważniejsze zagadnienia związane z matematyką i statystyką, będziesz także rozwijać umiejętności hakerskie. W ten sposób zyskasz podstawy pozwalające na rozpoczęcie przygody z analizą danych. Gruntownie zapoznasz się z potrzebnymi narzędziami i algorytmami. Pozwoli Ci to lepiej zrozumieć ich działanie. Poszczególne przykłady, którymi zilustrowano omawiane zagadnienia, są przejrzyste, dobrze opisane i zrozumiałe. Podczas lektury książki poznasz biblioteki, które umożliwią zaimplementowanie omówionych technik podczas analizy dużych zbiorów danych. Szybko się przekonasz, że aby zostać analitykiem danych, wystarczy odrobina ciekawości, sporo chęci, mnóstwo ciężkiej pracy i... ta książka.

Najważniejsze zagadnienia:

• Praktyczne wprowadzenie do Pythona
• Podstawy algebry liniowej, statystyki i rachunku prawdopodobieństwa w analizie danych
• Podstawy uczenia maszynowego
• Implementacje algorytmów modeli, w tym naiwny klasyfikator bayesowski, regresja liniowa, regresja logistyczna, drzewa decyzyjne, sieci neuronowe i grupowanie, MapReduce
• Systemy rekomendacji i mechanizmy przetwarzania języka naturalnego
• Korzystanie z mediów społecznościowych i baz danych.

Python. Wyciśniesz z danych każdą kroplę wiedzy!

SQL jest idealnym narzędziem do pracy z danymi. Mimo upływu lat jego znaczenie nie maleje, a sam język wciąż jest unowocześniany i rozwijany. Dziś szczególnie przydają się jego ogromne możliwości w zakresie przetwarzania danych. Co ciekawe, SQL pozwala również na stosowanie technik służących do zarządzania ogromnymi zbiorami informacji czy korzystanie z nierelacyjnych baz danych. Osoba, która obok Pythona czy R radzi sobie z SQL i potrafi z morza danych wyodrębnić użyteczne informacje, jest wyjątkowo cennym pracownikiem.

To przystępny podręcznik, dzięki któremu programiści szybko opanują podstawy SQL - nauczą się tworzenia aplikacji bazodanowych, przeprowadzania zadań administracyjnych oraz generowania raportów. Ujęto tu takie zagadnienia jak zapytania SELECT, filtrowanie danych oraz ich konwersja, grupowanie i agregacja. Znalazło się tutaj także wprowadzenie do transakcji, przedstawiono też zasady tworzenia widoków, złączeń i ograniczeń. To wydanie zostało uzupełnione omówieniem funkcji analitycznych, strategii pracy z ogromnymi bazami danych oraz zagadnień związanych z big data. W każdym rozdziale zaprezentowano kluczowe koncepcje SQL, które dodatkowo wyjaśniono na podstawie wielu dokładnie omówionych przykładów. Ćwiczenia zamieszczone na końcu poszczególnych rozdziałów pomogą w sprawdzeniu i utrwaleniu zdobytej wiedzy.

Dzięki książce:

• opanujesz podstawy języka SQL i ważniejszych funkcji zaawansowanych
• zaczniesz pisać zapytania SQL
• nauczysz się tworzyć obiekty bazy danych
• poznasz sposoby współdziałania zbiorów danych i zapytań
• dowiesz się, jak konwertować i przetwarzać dane za pomocą funkcji wbudowanych SQL

SQL. Znajdź cenne informacje w oceanie danych!

Model relacyjnej bazy danych zdecydowanie dominował wśród technologii bazodanowych przez ostatnie 20 lat. Poszczególne rozwiązania były do siebie na tyle podobne, że decyzja o zastosowaniu relacyjnej bazy danych stała się oczywista. Architektura rozwiązań tego typu była zbliżona, a różnice polegały głównie na koszcie wdrożenia, wydajności, niezawodności i łatwości użycia aplikacji. Obecnie sytuacja diametralnie się zmieniła: powstało wiele radykalnie różniących się od siebie technologii bazodanowych, a wybór właściwej bazy danych stał się złożonym zadaniem, wymagającym sporej wiedzy i obarczonym poważnymi konsekwencjami natury ekonomicznej i technologicznej.

Ta książka szczególnie przyda się architektom technologii informatycznych, administratorom baz danych i projektantom, którzy do wykonywania swoich obowiązków potrzebują wiedzy o najświeższych rozwiązaniach z dziedziny technologii baz danych. Omówiono tu najnowsze, wykorzystywane obecnie technologie baz danych. Wyjaśniono, w jakim celu zaprojektowano każdą z nich. Zaprezentowano możliwości poszczególnych baz danych oraz ich potencjał w rozwiązywaniu realnych problemów biznesowych i problemów z aplikacjami. Co najważniejsze, ukazano różnice w architekturze między technologiami, które mają kluczowe znaczenie przy wyborze platformy baz danych dla nowych i planowanych projektów.

W tej książce między innymi:

• Co zrewolucjonizowało bazy danych
• Google, Hadoop i koncepcja BigData
• Pamięciowe i rozproszone bazy danych
• NoSQL, CQL i nowe odsłony SQL
• Hybrydowe bazy danych Oracle

NoSQL i BigData: potężne bazy danych przyszłości!

Apache Spark jest oprogramowaniem open source, przeznaczonym do klastrowego przetwarzania danych dostarczanych w różnych formatach. Pozwala na uzyskanie niespotykanej wydajności, umożliwia też pracę w trybie wsadowym i strumieniowym. Framework ten jest również świetnie przygotowany do uruchamiania złożonych aplikacji, włączając w to algorytmy uczenia maszynowego czy analizy predykcyjnej. To wszystko sprawia, że Apache Spark stanowi znakomity wybór dla programistów zajmujących się big data, a także eksploracją i analizą danych.

To książka przeznaczona dla inżynierów danych i programistów, którzy chcą za pomocą Sparka przeprowadzać skomplikowane analizy danych i korzystać z algorytmów uczenia maszynowego, nawet jeśli te dane pochodzą z różnych źródeł. Wyjaśniono tu, jak dzięki Apache Spark można odczytywać i ujednolicać duże zbiory informacji, aby powstawały niezawodne jeziora danych, w jaki sposób wykonuje się interaktywne zapytania SQL, a także jak tworzy się potoki przy użyciu MLlib i wdraża modele za pomocą biblioteki MLflow. Omówiono również współdziałanie aplikacji Sparka z jego rozproszonymi komponentami i tryby jej wdrażania w poszczególnych środowiskach.

W książce:

• API strukturalne dla Pythona, SQL, Scali i Javy
• operacje Sparka i silnika SQL
• konfiguracje Sparka i interfejs Spark UI
• nawiązywanie połączeń ze źródłami danych: JSON, Parquet, CSV, Avro, ORC, Hive, S3 i Kafka
• operacje analityczne na danych wsadowych i strumieniowanych
• niezawodne potoki danych i potoki uczenia maszynowego

Spark: twórz skalowalne i niezawodne aplikacje big data!

Java jest jednym z najpopularniejszych języków programowania. Równocześnie należy do najbardziej innowacyjnych technologii informatycznych; zawsze stanowiła awangardę. Programiści cenią Javę za dojrzałość, bezpieczeństwo i wszechstronność. Jednak nawet tak znakomity język niekiedy przysparza problemów podczas pracy. Mogą się one okazać całkiem proste do rozwiązania, jeśli tylko wiadomo, jak się do tego zabrać.

Oto zbiór aktualnych i kompletnych receptur instruktażowych, z których każda pomaga w rozwiązaniu konkretnego problemu. Wszystkie zostały starannie przetestowane i wielokrotnie udowodniły swoją przydatność. Każdą poprzedzono krótkim wprowadzeniem i omówieniem zastosowanych mechanizmów działania. Ta książka nie jest klasycznym podręcznikiem programowania, jednak z pewnością przyśpieszy praktyczne wykorzystanie możliwości Javy. Wśród receptur znalazł się szeroki zakres zagadnień, od podstawowych operacji na ciągach znaków, poprzez programowanie funkcyjne, po komunikację sieciową, rozwiązania big data i współdziałanie z kodem napisanym w innych językach. W tym wydaniu uwzględniono zmiany wprowadzone w wersjach Javy 12, 13 i 14.

W książce między innymi:

• kompilacja kodu, uruchamianie i debugowanie oraz pakowanie klas Javy
• praca z tekstem, wyrażenia regularne i wzorce
• programowanie obiektowe i funkcyjne oraz programowanie sieciowe
• format JSON i wymiana danych
• wielowątkowość i współbieżność
• big data i Java

Java: najlepsze rozwiązania najważniejszych zadań!

Nauka o danych, znana również pod nazwą data science, jest stosunkowo nową, interdyscyplinarną dziedziną, zajmującą się różnymi technikami analizy danych, ich implementacją i wykorzystywaniem do różnych celów. Zalety nauki o danych doceniają specjaliści z wielu branż: analitycy biznesowi, statystycy, architekci oprogramowania i osoby zajmujące się sztuczną inteligencją. Tak naprawdę ta dziedzina nie koncentruje się na kodowaniu i bazach danych, ale raczej na metodach wyłuskiwania z danych najróżniejszych cennych informacji. Wartość tej wiedzy niejednokrotnie okazuje się ogromna.

Niniejsza książka jest przystępnym wprowadzeniem do nauki o danych. Jest przeznaczona dla osób, które chcą stosować techniki analizy danych w biznesie. Te techniki, opisane na podstawie praktycznych przypadków, to m.in. optymalizacja, prognozowanie i symulacja, a także sztuczna inteligencja, teoria grafów, analiza skupień i wykrywanie anomalii. Dzięki tej książce nie tylko zrozumiesz zasady analizowania danych, ale także nauczysz się wybierać technikę właściwą do rozwiązania danego problemu. Poznasz też techniki pracy z prototypami. Co ciekawe, niemal wszystkie opisane tu metody zostały zaprezentowane w arkuszu kalkulacyjnym.

W książce opisano m.in.

• optymalizację za pomocą programowania liniowego i całkowitoliczbowego
• szereg czasowy, wykrywanie trendów i wahań sezonowych
• przewidywanie za pomocą wygładzania wykładniczego
• metodę symulacji Monte Carlo
• test Tukeya i lokalne czynniki odstające
• język R - zaawansowane techniki analizy danych

Wyciśnij z danych każdą kroplę wiedzy!

• teoretyczne podstawy koncepcji systemów Big Data
• wskazówki umożliwiające optymalne wykorzystanie zasobów do obsługi danych
• wybór technik przetwarzania i obsługi wielkich ilości danych w czasie rzeczywistym
• zagadnienia dotyczące baz danych NoSQL, przetwarzania strumieniowego i zarządzania złożonością obliczeń przyrostowych
• informacje o praktycznym stosowaniu takich narzędzi jak Hadoop, Cassandra i Storm
• wskazówki umożliwiające poszerzenie wiedzy o zwykłych bazach danych

Big Data — to skalowalność i prostota obsługi wielkich ilości danych!

Poszerz zasób słownictwa z branży IT i naucz się poprawnie je wykorzystywać!

Obecnie język angielski jest nieodłącznym elementem świata IT. Większość producentów oprogramowania oraz twórców metodyk i standardów w branży IT udostępnia materiały wyłącznie w tym języku. Ponadto wiele projektów informatycznych jest realizowanych we współpracy z ekspertami pochodzącymi z różnych krajów. Komunikacja odbywa się wówczas przeważnie także w języku angielskim. Jeśli więc jesteś specjalistą z branży IT, funkcjonującym na co dzień w środowisku anglojęzycznym, możesz z kolei nie czuć się w pełni swobodnie wypowiadając się w tym języku w każdym obszarze tak szerokiej dziedziny wiedzy.

Jeśli chcesz zatem:

• poznać lub poszerzyć specjalistyczne słownictwo stosowane na co dzień w branży IT,
• nauczyć się poprawnie je wykorzystywać i profesjonalnie wypowiadać się podczas spotkań, konferencji branżowych i codziennej pracy z klientem,
• zrozumieć zaawansowane reguły gramatyczne lub odświeżyć wiedzę na ten temat, by zabłysnąć podczas formalnych spotkań lub jako autor profesjonalnej dokumentacji w języku angielskim,
• zacząć posługiwać się prawidłowymi polskimi terminami zamiast kalkami językowymi,

Koniecznie sięgnij po tę książkę!

Znajdziesz tu profesjonalne angielskie teksty dotyczące różnych obszarów IT: baz danych, big data, sieci komputerowych, metod wytwarzania oprogramowania i wielu innych. Każdy z nich został opatrzony słowniczkiem zawierającym tłumaczenia na język polski zarówno terminów specjalistycznych, jak i tych z języka ogólnego. Ponadto w każdym rozdziale omówione zostały różne zagadnienia gramatyczne wraz z przykładami ich zastosowania w języku informatyki. Na końcu każdego rozdziału znajdziesz ćwiczenia, które pomogą Ci utrwalić poznane słownictwo i reguły gramatyczne. Dzięki temu opanujesz najważniejsze pojęcia, odkryjesz, w jakich kontekstach występują, i zaczniesz stosować je w praktyce.

• What is Information Technology?
• Databases
• How well do you know your computer?
• Computer networks
• What's so big about big data?
• Business Intelligence
• Data mining
• Software licensing
• Software development methodologies
• The Internet and the World Wide Web
• Data governance
• Software testing

Revise and expand Your knowledge!

Duże zbiory danych dla każdego!

W dobie Big Data klasyczne podejście do analizy danych nie przynosi już pożądanych wyników. Skuteczna analiza gigantycznych zbiorów informacji, wyciąganie interesujących wniosków i prezentowanie ich w przejrzystej formie użytkownikowi wymagają mnóstwa czasu i środków. Zastanawiasz się, jak podejść do tego problemu, by zminimalizować ryzyko niepowodzenia? Na to i wiele innych pytań odpowiada ta fantastyczna książka.
Dzięki niej dowiesz się, jak zaprząc platformę Hadoop do własnych celów. Skorzystasz z prostych narzędzi, takich jak język Python, biblioteka D3.js oraz Apache Pig, i zastosujesz zwinne podejście do problemu, by osiągnąć zaskakujące efekty. Ponadto przekonasz się, jak łatwo można publikować dane w MongoDB, stosować wyszukiwarkę ElasticSearch oraz wykorzystać potencjał chmur obliczeniowych. Nauczysz się także wizualizować dane na wykresach, prognozować oraz podejmować właściwe działania. Książka ta jest doskonałą lekturą dla wszystkich osób stojących przed problemem skutecznej pracy z ogromnymi zbiorami danych.
Dzięki tej książce:

• poznasz najlepsze narzędzia do przetwarzania zbiorów danych
• wykorzystasz możliwości języka Python
• sprawdzisz możliwości chmur obliczeniowych
• błyskawicznie wyszukasz dane za pomocą ElasticSearch
• zwizualizujesz dane z użyciem D3.js

Zwinnie rozwiąż problemy z dużymi zbiorami danych!

„Przy tak dużej popularności zagadnień Big Data i Data Science, lektura praktycznego instruktażu budowy aplikacji analitycznych jest mocno odświeżająca. Russel Jurney wprowadza nas, małymi porcjami implementacji, w swoją filozofię zwinności w dziedzinie analizy i aplikacyjnego wykorzystywania danych.”

Mat Kelcey, matpalm.com

SQL? Z tablicami to proste!

• Poznaj instrukcje języka
• Naucz się tworzyć zapytania
• Zostań mistrzem SQL-a

Relacyjne bazy danych są wszędzie wokół nas, a do podstawowych umiejętności wymaganych od współczesnych programistów należy dobra znajomość języka SQL. Na świecie nie ma jednak osób, którym nie zdarza się czegoś zapomnieć. Jeśli potrzebujesz pomocy w codziennej pracy lub chcesz odświeżyć wiedzę na temat SQL-a, sięgnij po te tablice! Szybko znajdziesz w nich niezbędne informacje i sprawdzisz instrukcje, które umożliwią sprawne osiągnięcie celu. Jedno spojrzenie pozwoli Ci przypomnieć sobie sposób tworzenia zapytań i zastosowanie różnych konstrukcji języka.

W publikacji:

• Znaczniki języka i typy danych
• Tworzenie prostych zapytań
• Konstruowanie zapytań analitycznych
• Zastosowanie podzapytań
• Modyfikowanie danych i obiektów

Tablice informatyczne - cała wiedza w jednym miejscu!

Analityka danych jest uważana za wyjątkowo obiecującą dziedzinę wiedzy. Rozwija się błyskawicznie i znajduje coraz to nowsze zastosowania. Profesjonaliści biegli w eksploracji danych i wydobywaniu z nich pożytecznych informacji mogą liczyć na interesującą pracę i bardzo atrakcyjne warunki zatrudnienia. Jednak aby zostać analitykiem danych, trzeba znać matematykę i statystykę, a także nauczyć się programowania. Umiejętności w zakresie uczenia maszynowego i uczenia głębokiego również są ważne. W przypadku tak specyficznej dziedziny, jaką jest nauka o danych, szczególnie istotne jest zdobycie gruntownych podstaw i dogłębne ich zrozumienie.

W tym przewodniku opisano zagadnienia związane z podstawami nauki o danych. Wyjaśniono niezbędne elementy matematyki i statystyki. Przedstawiono także techniki budowy potrzebnych narzędzi i sposoby działania najistotniejszych algorytmów. Książka została skonstruowana tak, aby poszczególne implementacje były jak najbardziej przejrzyste i zrozumiałe. Zamieszczone tu przykłady napisano w Pythonie: jest to język dość łatwy do nauki, a pracę na danych ułatwia szereg przydatnych bibliotek Pythona. W drugim wydaniu znalazły się nowe tematy, takie jak uczenie głębokie, statystyka i przetwarzanie języka naturalnego, a także działania na ogromnych zbiorach danych. Zagadnienia te często pojawiają się w pracy współczesnego analityka danych.

W książce między innymi:

• elementy algebry liniowej, statystyki i rachunku prawdopodobieństwa
• zbieranie, oczyszczanie i eksploracja danych
• algorytmy modeli analizy danych
• podstawy uczenia maszynowego
• systemy rekomendacji i przetwarzanie języka naturalnego
• analiza sieci społecznościowych i algorytm MapReduce

Nauka o danych: bazuj na solidnych podstawach!

Wprawny analityk danych potrafi z nich uzyskać wiedzę ułatwiającą podejmowanie trafnych decyzji. Od kilku lat można do tego używać nowoczesnych narzędzi Pythona, które zbudowano specjalnie do tego celu. Praca z nimi nie wymaga głębokiej znajomości statystyki czy algebry. Aby cieszyć się uzyskanymi rezultatami, wystarczy się wprawić w stosowaniu kilku pakietów i środowisk Pythona.

Ta książka jest trzecim, starannie zaktualizowanym wydaniem wyczerpującego przewodnika po narzędziach analitycznych Pythona. Uwzględnia Pythona 3.0 i bibliotekę pandas 1.4. Została napisana w przystępny sposób, a poszczególne zagadnienia bogato zilustrowano przykładami, studiami rzeczywistych przypadków i fragmentami kodu. W trakcie lektury nauczysz się korzystać z możliwości oferowanych przez pakiety pandas i NumPy, a także środowiska IPython i Jupyter. Nie zabrakło wskazówek dotyczących używania uniwersalnych narzędzi przeznaczonych do ładowania, czyszczenia, przekształcania i łączenia zbiorów danych. Pozycję docenią analitycy zamierzający zacząć pracę w Pythonie, jak również programiści Pythona, którzy chcą się zająć analizą danych i obliczeniami naukowymi.

Dzięki książce nauczysz się:

• eksplorować dane za pomocą powłoki IPython i środowiska Jupyter
• korzystać z funkcji pakietów NumPy i pandas
• używać pakietu matplotlib do tworzenia czytelnych wizualizacji
• analizować i przetwarzać dane regularnych i nieregularne szeregi czasowe
• rozwiązywać rzeczywiste problemy analityczne

Wes McKinney zaktualizował swoją książkę, aby była podstawowym źródłem informacji o wszystkich zagadnieniach związanych z analizą danych przy użyciu języka Python i biblioteki pandas. Gorąco polecam tę pozycję!

Paul Barry, wykładowca i autor książek

Analiza danych stała się samodzielną dyscypliną wiedzy interesującą specjalistów z wielu branż: analityków biznesowych, statystyków, architektów oprogramowania czy też osoby zajmujące się sztuczną inteligencją. Wydobywanie informacji ze zbiorów danych pozwala na uzyskanie wiedzy niedostępnej w inny sposób. W tym celu dane trzeba odpowiednio przygotować, oczyścić, przetworzyć i oczywiście poddać analizie. Warto również zadbać o ich wizualizację. Do tych wszystkich zadań najlepiej wykorzystać specjalne narzędzia opracowane w języku Python.

Prezentowana książka jest drugim, zaktualizowanym i uzupełnionym, wydaniem klasycznego podręcznika napisanego z myślą o analitykach, którzy dotychczas nie pracowali w Pythonie, oraz o programistach Pythona, którzy nie zajmowali się dotąd analizą danych ani obliczeniami naukowymi. Przedstawiono tu możliwości oferowane przez Pythona 3.6 oraz najnowsze funkcje pakietów Pandas i NumPy, a także środowisk IPython i Jupyter. Przy opisie poszczególnych narzędzi analitycznych wyjaśniono ich działanie i zaprezentowano przykłady ich wykorzystania w sposób efektywny i kreatywny. Ta książka powinna się znaleźć w podręcznej bibliotece każdego analityka danych!

Najważniejsze zagadnienia:

• Eksploracja danych za pomocą powłoki IPython i środowiska Jupyter
• Korzystanie z pakietów NumPy i Pandas
• Tworzenie wizualizacji danych za pomocą pakietu Matplotlib
• Praca z danymi regularnych i nieregularnych szeregów czasowych
• Rozwiązywanie rzeczywistych problemów analitycznych

Python: poznaj idealne narzędzie do analizy danych!

Analiza szeregów czasowych zyskuje na znaczeniu. Wraz z postępującą digitalizacją danych służby zdrowia, rozwojem inteligentnych miast czy upowszechniającym się internetem rzeczy staje się coraz bardziej potrzebna. Obiecującym rozwiązaniem jest analiza szeregów czasowych metodami wspomaganymi uczeniem maszynowym. Techniki te umożliwiają skuteczne monitorowanie i wykorzystywanie coraz większych zbiorów danych. Być może ich zastosowanie do pracy z szeregami czasowymi wydaje się nieoczywiste, jednak bez analiz szeregów czasowych nie można w pełni wykorzystać zebranych danych.

Ta książka jest szerokim, aktualnym i praktycznym przeglądem metod analizy szeregów czasowych, w którym ujęto pełny potok przetwarzania danych czasowych i modelowania. Zaprezentowano w niej rzeczywiste przypadki użycia tych metod i zilustrowano je obszernymi fragmentami znakomicie zaprojektowanego kodu w językach R i Python. Znalazły się tutaj praktyczne wskazówki ułatwiające rozwiązywanie najczęstszych problemów występujących w inżynierii danych czasowych i ich analizie. Ujęto tu zarówno konwencjonalne metody statystyczne, jak i nowoczesne techniki uczenia maszynowego. To bardzo przydatny przewodnik, dzięki któremu analitycy danych, inżynierowie oprogramowania i naukowcy będą mogli płynnie przejść od podstaw pracy z szeregami czasowymi do rozwiązywania konkretnych zagadnień na profesjonalnym poziomie.

Dzięki tej książce nauczysz się:

• pozyskiwać, przechowywać i przetwarzać szeregi czasowe
• eksplorować dane czasowe i symulować je
• wykonywać pomiary błędów
• pracować z szeregami czasowymi za pomocą uczenia maszynowego lub uczenia głębokiego
• oceniać dokładność i wydajność modeli

Skutecznie analizuj szeregi czasowe i wydobywaj bezcenną wiedzę!

Python udostępnia pierwszorzędne narzędzia i biblioteki przeznaczone specjalnie do pracy z danymi. Zdobyły one uznanie wielu naukowców i ekspertów, ceniących ten język za wysoką jakość rozwiązań służących do wydobywania wiedzy z danych. Aby uzyskać najlepsze możliwe efekty, trzeba dobrze poznać zarówno poszczególne biblioteki Pythona, jak i zasady pracy z nimi.

Ta książka stanowi wszechstronne omówienie wszystkich bibliotek Pythona, potrzebnych naukowcom i specjalistom pracującym z danymi. Znalazł się tu dokładny opis IPythona, NumPy, Pandas, Matplotlib, Scikit-Learn i innych narzędzi. Podręcznik uwzględnia przede wszystkim ich aspekty praktyczne, dzięki czemu świetnie się sprawdzi w rozwiązywaniu codziennych problemów z manipulowaniem, przekształcaniem, oczyszczaniem i wizualizacją różnych typów danych, a także jako pomoc podczas tworzenia modeli statystycznych i modeli uczenia maszynowego. Docenią go wszyscy, którzy zajmują się obliczeniami naukowymi w Pythonie.

To wydanie zawiera jasne przykłady, które pomogą Ci skonfigurować i wykorzystać narzędzia do nauki o danych i uczenia maszynowego.

Anne Bonner, założycielka i dyrektor generalna Content Simplicity

Nauczysz się:

• pracować w naukowym środowisku obliczeniowym IPythona
• korzystać ze specjalistycznych bibliotek przeznaczonych do pracy z danymi
• stosować typy ndarray i DataFrame do przechowywania i przetwarzania danych
• tworzyć różnego rodzaju wizualizacje danych za pomocą Matplotlib
• implementować najważniejsze algorytmy uczenia maszynowego z pakietu Scikit-Learn

Wydobywaj z danych mądre odpowiedzi na trudne pytania!

Obierz kurs na... przyszłość

Powszechna cyfryzacja nie dotyka jedynie wybranych gałęzi przemysłu, ale dosłownie przeniknęła nasze życie niemal w każdym aspekcie. Skutkiem tego procesu jest pojawienie się ogromnej ilości danych, które, odpowiednio wykorzystane, stanowią nowy rodzaj materii w nieprzerwanym cyklu postępu. Uczenie maszynowe stało się jednocześnie obszarem szczególnego zainteresowania ze strony zarówno firm, jak i uczelni. Dzięki specjalnym algorytmom i technikom możliwe stało się wykorzystanie zasobów, jakimi są dane, do opracowywania rozwiązań poprawiających efektywność w wielu dziedzinach: od robotyki, przez medycynę, aż po rozrywkę.

Przykładami rozwiązań, które już dziś wykorzystują uczenie maszynowe, są chociażby silniki rekomendacyjne działające na platformach takich jak YouTube, Netflix, Spotify czy Amazon. Silniki te skutecznie dobierają treści, tak że wokół produktów tworzą się całe społeczności wiernie oddanych klientów. To wszystko dzieje się obecnie. W niedalekiej przyszłości wiele - także dość skomplikowanych - czynności zostanie zautomatyzowanych. Zawody, również te potencjalnie wymagające wysokich kwalifikacji, nawet jeśli nie będą w całości wykonywane przez maszyny, będą przez nie wspomagane. Jest niemal pewne, że specjaliści między innymi w dziedzinie uczenia maszynowego, którzy już dziś są intensywnie poszukiwani, staną się jeszcze bardziej pożądani w przyszłości. Dołącz do ich grona!

Co Cię czeka podczas naszego profesjonalnego szkolenia?

Dzięki temu kursowi video:

• pojmiesz istotę działania algorytmów uczenia maszynowego,
• zrozumiesz związek pomiędzy podstawą matematyczną a implementacją tych algorytmów i w razie czego będziesz umiał napisać je od zera (także w języku innym niż Python),
• dowiesz się, jak korzystać z popularnych i sprawdzonych bibliotek dedykowanych uczeniu maszynowemu: scikit-learn oraz Keras,
• stworzysz własny silnik rekomendacyjny,
• poprawnie przeprowadzisz proces przygotowania danych oraz trenowania modelu,
• ocenisz, który algorytm najlepiej sprawdzi się w rozwiązaniu danego problemu, a który może doprowadzić do niepożądanych efektów,
• opanujesz wiedzę, która pozwoli Ci szacować skuteczność modeli oraz diagnozować problemy związane z procesem uczenia maszynowego.

Co więcej...

• ukończywszy kurs, będziesz w stanie właściwie podejść do pracy z różnymi typami danych w kontekście uczenia maszynowego, jak również przenieść sporą część tej wiedzy poza obszar Pythona.

Data science w Pythonie. Kurs video. Algorytmy uczenia maszynowego kończy się na poziomie średnio zaawansowanym, a nawet nieco wyżej, jeśli chodzi o wiedzę i umiejętności, jakich wymaga się na przykład od analityka biznesowego, naukowca, inżyniera danych czy webdevelopera. Natomiast jeśli mowa o wiedzy stricte z zakresu data science, autor kursu określa poziom jego absolwenta na podstawowy. Uwaga, by móc w pełni skorzystać ze szkolenia, trzeba znać podstawy języka Python (w tym orientować się w bibliotekach: numpy, pandas, matplotlib) i matematykę na poziomie pierwszego - drugiego roku studiów na kierunkach ścisłych. Takie pojęcia jak gradient, pochodna, szereg, prawdopodobieństwo czy notacja nie powinny być Ci obce!

Czym właściwie zajmuje się specjalista w dziedzinie data science?

Odpowiedź na to pytanie jest krótka i - jak to w matematyce - policzalna. Aż 70 procent czasu pracy spędza się w tym zawodzie na zbieraniu i analizie danych, by potem, przez kolejne 20 procent, tworzyć i testować modele, które "ubiera się" w programy, a następnie wykorzystuje do otrzymywania przewidywań z modeli. Przykładami takich modeli, jakie stosuje się już dziś w kontekście biznesowym, są między innymi silniki rekomendacyjne (Netflix, YouTube, eBay, Amazon, Spotify itd.), modele do klasyfikacji obrazów medycznych w celu rozpoznawania ewentualnych infekcji, systemy do automatycznych tłumaczeń (patrz Google) czy popularne boty - i wiele innych.

Od teorii, przez praktykę, aż po gotowe rozwiązania

Kurs składa się z trzech bloków szkoleniowych. Zaczniemy od teorii data science. Tu przygotuj się na serię wykładów, w których autor wprowadza pojęcia na poziomie równań, wyjaśniając je od podstaw. Bazując na wiedzy zdobytej w części teoretycznej, przejdziemy do praktyki - będziesz pisać algorytm "od zera", a przy tym pogłębisz rozumienie koncepcji matematycznych i przy okazji napiszesz kod. Wreszcie przyjdzie czas na część trzecią, podczas której będziemy sprytni i sięgniemy po tzw. gotowce - przede wszystkim scikit-learn i Keras. Przy użyciu tych bibliotek rozwiążemy zadany problem, skupiając się zarówno na samym zagadnieniu, jak i ogólnym podejściu do problemu. W kursie połączysz teorię z praktyką. Dzięki temu osiągniesz dwa cele: wyrobisz w sobie intuicję matematyczną, która w razie potrzeby pozwoli Ci przenieść to rozumienie również poza Pythona, oraz zyskasz pewne doświadczenie w wykorzystywaniu powszechnie dostępnych narzędzi i w ten sposób zwiększysz skuteczność swojej pracy.

Kurs jest podzielony na 16 rozdziałów. W pierwszym rozdziale stworzysz proste środowisko pracy. Dalej, w rozdziałach 2 - 8, poznasz podstawowe algorytmy, takie jak sieci neuronowe, oraz zrozumiesz, na czym polega ogólne podejście machinelearningowe. W rozdziałach 9 - 13 poznasz kolejne, nieco alternatywne, lecz równie często wykorzystywane algorytmy, których idea opiera się na innych zasadach. Na koniec, w ramach rozdziałów: 14, 15 i 16, stworzysz własny silnik rekomendacyjny, który następnie usprawnisz z wykorzystaniem popularnych metod pracy z tekstem (NLP), by uzyskać półgotowy produkt na koniec kursu.

Obierz kurs na... pracę z dużą ilością danych

Oprogramowanie Apache Kafka powstało jako broker wiadomości w LinkedIn. Obecnie pełni funkcję rozproszonego systemu przetwarzania strumieniowego danych, używanego do budowania aplikacji opracowujących duże ilości danych w czasie rzeczywistym. Z zalet tego oprogramowania korzystają firmy na całym świecie – jest kluczowym narzędziem w takich sektorach jak bankowość, e-commerce, telekomunikacja itd. Znana ze swojej wyjątkowej wydajności i skalowalności Kafka to rozwiązanie idealne dla aplikacji o wysokich wymaganiach dotyczących pracy na danych. Umiejętność jej obsługi staje się więc wysoce pożądana na informatycznym rynku pracy. Jeśli chcesz dołączyć do grona programistów swobodnie czujących się w obszarach związanych z przetwarzaniem danych – zacznij od Kafki i naszego kursu.

Dowiesz się z niego, jak zainstalować i skonfigurować Kafkę, a także jak jej używać. Niezależnie od tego, czy jesteś osobą początkującą, czy też bardziej zaawansowaną, znajdziesz tu coś dla siebie. Uzyskasz wszechstronną praktyczną wiedzę i umiejętności, które zastosujesz w różnych aspektach przetwarzania danych i rozwoju aplikacji w dzisiejszym świecie technologii. Szkolenie przygotuje Cię do stosowania Apache Kafka w realnych scenariuszach biznesowych i technologicznych, takich jak obsługa wolumenów danych w czasie rzeczywistym, integracja systemów i aplikacji, monitorowanie i logowanie operacji w dużych systemach czy włączanie oprogramowania do systemów analizy big data.

Co Cię czeka podczas naszego profesjonalnego szkolenia

Podczas kursu:

• Zdobędziesz wiedzę na temat tego, czym jest Kafka i dlaczego jest tak ważnym narzędziem w przetwarzaniu danych
• Poznasz główne komponenty Kafki, takie jak topic, partycja i offset
• Stworzysz producentów i konsumentów danych w Kafce, co jest kluczowe w zarządzaniu ich przepływem
• Opanujesz umiejętności w zakresie serializacji i deserializacji danych, co jest ważne w ich przetwarzaniu i przechowywaniu
• Przyjrzysz się grupom konsumentów i ich znaczeniu w architekturze Kafki
• Rozpracujesz rolę brokera (serwera) w systemie Kafka
• Opanujesz różne mechanizmy zapewniające wysoką dostępność i odporność danych w Kafce
• Dowiesz się, jak działa replikacja w Kafce i jak ją konfigurować
• Zgłębisz temat systemu potwierdzeń, który zapewnia niezawodność przesyłania danych
• Zrozumiesz, w jaki sposób zarządza się trwałością tematów w Kafce
• Poznasz rolę ZooKeepera w ekosystemie Kafki
• Zainstalujesz i skonfigurujesz Kafkę tak, aby odpowiadała Twoim potrzebom
• Będziesz tworzyć i modyfikować topiki, a także nimi zarządzać
• Pojmiesz zadania producenta i konsumenta danych poprzez ćwiczenia w konsoli
• Zintegrujesz Kafkę z aplikacjami Java, także w zakresie wysyłania wiadomości i pobierania danych

Szkolenie Apache Kafka. Kurs video. Przetwarzanie danych w czasie rzeczywistym zapewnia solidne fundamenty teoretyczne i praktyczne, umożliwiając słuchaczom osiągnięcie poziomu średnio zaawansowanego. Absolwenci będą przygotowani do efektywnego stosowania Apache Kafka w różnych scenariuszach i wyposażeni w cenione na rynku pracy umiejętności. Kurs jest doskonałą propozycją dla osób, które chcą poszerzyć wiedzę i umiejętności w zakresie przetwarzania strumieniowego danych i zrozumieć, jak stosować Kafkę w praktycznych projektach IT.

Chodź na Kafkę i poznaj ją bliżej

Oprogramowanie Apache Kafka zostało stworzone przez zespół programistów w LinkedIn jako narzędzie do śledzenia aktywności użytkowników i przetwarzania logów. Później udostępniono je jako projekt open source. Z Kafki chętnie korzystają tacy giganci technologiczni jak Netflix, Uber, Spotify i Twitter – stosują ją do przetwarzania ogromnych ilości danych w czasie rzeczywistym. Na przykład Uber używa jej do przetwarzania miliardów wiadomości dziennie. W przeciwieństwie do tradycyjnych systemów kolejkowania wiadomości Kafka pozwala skalować w poziomie i radzić sobie z przetwarzaniem danych w czasie rzeczywistym na dużą skalę, co czyni ją wyjątkowym narzędziem w świecie big data. Często jest używana w architekturach opartych na przetwarzaniu strumieniowym zdarzeń (event streaming), co stanowi istotne odejście od tradycyjnego przetwarzania wsadowego (batch processing), pozwala bowiem na szybszą reakcję na dane w czasie rzeczywistym. Kafka znajduje również zastosowanie w projektach internetu rzeczy – tu może służyć jako centralny system do zbierania i przetwarzania danych z tysięcy urządzeń IoT. W testach wydajnościowych Kafka wykazała możliwość obsługi tysięcy wiadomości na sekundę, co czyni ją idealnym rozwiązaniem dla aplikacji wymagających szybkiego przetwarzania i analizy dużych ilości danych.

Obierz kurs na... Pythona!

Python to jeden z tych języków programowania, które cicho i niezauważalnie wślizgują się w nasze codzienne życie. Jego wszechstronny charakter sprawia, że używa się go praktycznie wszędzie: w globalnych serwisach internetowych, takich jak YouTube, Dropbox czy Instagram, oraz programach desktopowych. Python współpracuje z wieloma systemami operacyjnymi i jest przez nie wspierany. W swoich projektach używają go tacy giganci jak Google, NASA czy IBM. To chyba wystarczy, by na poważnie zainteresować się poznaniem tego języka i nauczyć się w nim dobrze programować.

Jeśli znasz już jego podstawy, Python 3. Kurs video. Kompendium efektywnego pythonisty pozwoli Ci wskoczyć na wyższy poziom. Nauczysz się dobierać wygodne dla siebie narzędzia pracy, optymalne idiomy i konstrukcje językowe oraz struktury danych w celu pisania zwięzłego i zrozumiałego dla innych kodu. Poznasz dobre praktyki programistyczne, pozwalające zmniejszyć ryzyko błędów czasu wykonania. Będziesz wiedział, w jaki sposób tworzyć i rozpowszechniać własne projekty zgodnie z obowiązującymi standardami i konwencjami. Odkryjesz także mnóstwo ciekawych, efektywnych technik programistycznych i ogromne zaplecze bibliotek.

Sprawdź, dlaczego najlepsi od lat używają Pythona!

Czego nauczysz się podczas naszego profesjonalnego szkolenia?

• Nauczysz się tworzyć idiomatyczny kod Pythona i unikać pułapek językowych.
• Poznasz najważniejsze moduły biblioteki standardowej i wbudowane kolekcje danych.
• Dowiesz się, jakie narzędzia wchodzą w skład ekosystemu tego języka.
• Odkryjesz możliwości środowiska Jupyter Notebook.
• Zdobędziesz umiejętność pisania kodu w stylu funkcyjnym i obiektowym.
• Zrozumiesz, dlaczego wielodziedziczenie w Pythonie jest bezpieczne.
• Poznasz klasy domieszkowe.
• Nauczysz się korzystać z wybranych protokołów języka.

W czasie 66 lekcji autor tego interesującego kursu nauczy Cię sprawnie wykorzystywać możliwości Pythona. Pokaże Ci, jak używać adnotacji w celu statycznej kontroli typów, a potem omówi wszechstronne zastosowania generatorów i sposób, w jaki metaklasy oraz deskryptory umożliwiają dynamiczną manipulację kodem. Podpowie, jak poprawić czytelność kodu. Dzięki jego wskazówkom zaczniesz stosować automatycznie generowane klasy, poznasz dialekty języka oraz techniki pomocne w optymalizacji wydajności. Opanujesz także rozmaite formy programowania współbieżnego przy użyciu wątków, procesów i kolejek.

Python 3. Kurs video. Kompendium efektywnego pythonisty zapozna Cię z technikami programowania asynchronicznego za pomocą korutyn i omijania blokady GIL na potrzeby przetwarzania równoległego. Porady autora pozwolą Ci samodzielnie napisać prosty silnik algorytmu MapReduce, wykorzystywanego w analizie big data. Będziesz przetwarzać dane tekstowe, grafikę rastrową i wektorową, animacje oraz dźwięki. Poznasz biblioteki do testowania i statycznej analizy kodu oraz dostępne sposoby rozpowszechniania swoich programów. Nauczysz się tworzyć i publikować profesjonalną dokumentację techniczną. Odkryjesz także nowe źródła poszerzania swojej wiedzy o języku Python.

Złap Pythona!

Twórcy Pythona szczególnie zależało na stworzeniu prostego i czytelnego języka skryptowego. To dlatego tak chętnie sięgają po niego programiści. Tematyka poruszana podczas szkolenia Python 3. Kurs video. Kompendium efektywnego pythonisty nawiązuje do zaawansowanych technik, takich jak elementy programowania funkcyjnego i obiektowego, metaprogramowanie oraz rozmaite formy współbieżności. Omówione są tu najważniejsze moduły biblioteki standardowej, w tym kolekcje danych, a także narzędzia wchodzące w skład ekosystemu Pythona. Każde zagadnienie jest zilustrowane konkretnym i praktycznym przykładem, który można odnieść do typowych problemów pojawiających się w codziennej pracy programisty. Lekcje nie są zatem odwzorowaniem abstrakcyjnej dokumentacji.

Podczas kursu autor zwraca uwagę na typowe pułapki języka, zalecane konwencje oraz idiomy pomagające osiągnąć czytelny „Pythonic” kod. Pokazuje, jak na przestrzeni lat zmieniały się wybrane konstrukcje językowe oraz co nas czeka w niedalekiej przyszłości. Oprócz treści związanych ściśle z Pythonem dzieli się także uniwersalną wiedzą i osobistym doświadczeniem. Ponadto wyjaśnia kontekst pewnych zjawisk zachodzących w świecie informatyki.

Python w akcji!

Dzięki swojej prostocie i elegancji Python znakomicie nadaje się do nauki, o czym świadczy możliwość wykorzystania go na egzaminie maturalnym z informatyki. Zgodnie z anegdotą jest to jedyny język programowania, którego składnia przypomina działający pseudokod. Jednocześnie korzystają z niego giganci internetowi: Google, Facebook, Dropbox. Język ten umożliwia zbudowanie przewagi konkurencyjnej dzięki możliwości błyskawicznego tworzenia działających prototypów. Firmy decydujące się na wybór innych technologii są zwykle mniej produktywne. W związku z tym na rynku pracy pojawia się coraz więcej ofert związanych z Pythonem. Najczęściej dotyczą one rozwoju aplikacji sieciowych, automatyzacji testów, bezpieczeństwa, a w ostatnich latach także analizy danych, uczenia maszynowego oraz sztucznej inteligencji.

Python jest oficjalnym językiem dla platformy Raspberry Pi, czyli komputera wielkości karty kredytowej, wykorzystywanego między innymi w koncepcji internetu rzeczy. Za jego pomocą można zaprogramować własnego robota, czujnik smogu lub inne urządzenie automatyki domowej. Na tle innych technologii dodatkowo wyróżnia go serdeczna społeczność, która wzajemnie sobie pomaga i motywuje do nauki.

Tylko dla wtajemniczonych

Bogate zaplecze bibliotek matematycznych sprawiło, że Python stał się jednym z narzędzi chętnie wybieranych przez środowisko naukowe. Specjalnie przygotowane dystrybucje interpretera, które zawierają między innymi moduły SciPy i NumPy, wypierają płatne programy z projektów badawczych. Jako język skryptowy Python sprawdza się we wszelkiego rodzaju automatyzacji zadań oraz pisaniu pluginów. Poza kontrolą jakości jest wykorzystywany także przez administratorów oraz inżynierów DevOps.

"Dziel się swoją wiedzą. To sposób na osiągnięcie nieśmiertelności”.

Dalajlama