Об авторах
Предисловие
Глава 1. Разведывательный анализ данных
Глава 2. Распределение данных и распределение выборок
Глава 3. Статистические эксперименты и проверка значимости
Глава 4. Регрессия и предсказание
Глава 5. Классификация
Глава 6. Статистическое машинное обучение
Глава 7. Неконтролируемое самообучение
Библиография
Предметный указатель

Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны, и почему. Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя. Во второе издание включены примеры на языке Python, что расширяет практическое применение книги.

Практическая статистика для специалистов Data Science, 2-е изд.

Preface
I. Foundations of Data Systems
1. Reliable, Scalable, and Maintainable Applications
2. Data Models and Query Languages
3. Storage and Retrieval
4. Encoding and Evolution
II. Distributed Data
5. Replication
6. Partitioning
7. Transactions
8. The Trouble with Distributed Systems
9. Consistency and Consensus
III. Derived Data
10. Batch Processing
11. Stream Processing
12. The Future of Data Systems
Glossary
Index

Data is at the center of many challenges in system design today. Difficult issues need to be figured out, such as scalability, consistency, reliability, efficiency, and maintainability. In addition, we have an overwhelming variety of tools, including relational databases, NoSQL datastores, stream or batch processors, and message brokers. What are the right choices for your application? How do you make sense of all these buzzwords?

In this practical and comprehensive guide, author Martin Kleppmann helps you navigate this diverse landscape by examining the pros and cons of various technologies for processing and storing data. Software keeps changing, but the fundamental principles remain the same. With this book, software engineers and architects will learn how to apply those ideas in practice, and how to make full use of data in modern applications.

Peer under the hood of the systems you already use, and learn how to use and operate them more effectively
Make informed decisions by identifying the strengths and weaknesses of different tools
Navigate the trade-offs around consistency, scalability, fault tolerance, and complexity
Understand the distributed systems research upon which modern databases are built
Peek behind the scenes of major online services, and learn from their architectures

Designing Data-Intensive Applications

Введение
Глава 1. Что значит “на основе данных”?
Глава 2. Качество данных
Глава 3. Сбор данных
Глава 4. Специалисты по аналитике
Глава 5. Анализ данных
Глава 6. Разработка показателей
Глава 7. Сторителлинг на основе данных
Глава 8. A/B-тестирование
Глава 9. Принятие решений
Глава 10. Корпоративная культура на основе данных
Глава 11. Топ-менеджмент компании с управлением на основе данных
Глава 12. Вопросы конфиденциальности, этики и риска
Заключение
Дополнительная литература
Приложение А. О необоснованной эффективности данных: почему больше данных лучше?
Приложение В. Заявление о видении
Благодарности
Об авторе
Колофон

Подробное пошаговое руководство по внедрению Data-driven-культуры в вашей компании — от сбора данных и наглядных отчетов до анализа и обоснованных решений.

Чтобы стать data-driven-компанией, недостаточно наладить сбор «больших данных» или собрать команду аналитиков. Нужна эффективная культура работы с данными, внедренная на всех уровнях.

Эта практичная книга покажет вам, какие процессы нужно внедрять повсеместно — от аналитиков и менеджмента до высшего руководства и совета директоров — чтобы создать такую культуру.

Карл Андерсон рассказывает о цепочке аналитической ценности, которая поможет вам строить предиктивные бизнес-модели — от сбора данных и анализа до идей и конкретных обоснованных действий.

Начните с начала: узнайте, как собирать правильные данные правильным образом;
Нанимайте аналитиков с правильными навыками и собирайте их в команды;
Узнайте о статистических методах и инструментах визуализации данных;
Собирайте и анализируйте данные, соблюдая конфиденциальность и этику;
Узнайте, как аналитики и их менеджеры могут способствовать развитию data-driven-культуры.
Для кого эта книга
Для руководителей, менеджеров, аналитиков.

Аналитическая культура. От сбора данных до бизнес-результатов

Предисловие
Об авторе
Об иллюстрации на обложке
Глава 1. Предварительные сведения
Глава 2. Основы языка Python, IPython и Jupyter-блокноты
Глава 3. Встроенные структуры данных, функции и файлы
Глава 4. Основы NumPy: массивы и векторные вычисления
Глава 5. Первое знакомство с pandas
Глава 6. Чтение и запись данных, форматы файлов
Глава 7. Очистка и подготовка данных
Глава 8. Переформатирование данных: соединение, комбинирование и изменение формы
Глава 9. Построение графиков и визуализация
Глава 10. Агрегирование данных и групповые операции
Глава 11. Временные ряды
Глава 12. Дополнительные сведения о библиотеке NumPy
Глава 13. Введение в библиотеки моделирования на Python
Глава 14. Примеры анализа данных
Приложение А. Дополнительные сведения о библиотеке NumPy
Приложение В. Еще о системе IPython
Предметный указатель

В данной книге рассматриваются вопросы форматирования, очистки и обработки данных на Python.
Во втором издании код переписан под версию Python 3.6, добавлены сведения о последних версиях библиотек pandas, NumPy, IPython и Jupyter.
Издание идеально подойдет как аналитикам, только начинающим осваивать Python, так и опытным программистам на Python, еще не знакомым с научными приложениями.

Python и анализ данных. Второе издание

Об авторе
Введение
Глава 1. Основы моделирования в электронных таблицах
Глава 2. Имена диапазона
Глава 3. Функции поисков
Глава 4. Функций ИНДЕКС
Глава 5. Функция ПОИСКПОЗ
Глава 6. Текстовые функции и инструмент Мгновенное заполнение
Глава 7. Даты и функции работы с датами
Глава 8. Оценка инвестиций по чистой приведенной стоимости
Глава 9. Внутренняя система доходности
Глава 10. Еще несколько финансовых функций Excel
Глава 11. Циклические ссылки
Глава 12. Функции ЕСЛИ, ЕСЛИОШИБКА, ЕСЛИМН, ВЫБОР и ПЕРЕКЛЮЧ
Глава 13. Время и функции времени
Глава 14. Команда Специальная вставка
Глава 15. Трехмерные формулы и гиперссылки
Глава 16. Инструменты проверки зависимостей и надстройка Inquire
Глава 17. Анализ чувствительности с помощью таблиц данных
Глава 18. Инструмент Подбор параметра
Глава 19. Анализ чувствительности с помощью Диспетчера сценариев
Глава 20. Функции СЧЁТЕСЛИ, СЧЁТЕСЛИМН, СЧЁТ, СЧЁТЗ и СЧИТАТЬПУСТОТЫ
Глава 21. Функции СУММЕСЛИ, СРЗНАЧЕСЛИ, СУММЕСЛИМН, СРЗНАЧЕСЛИМН, МАКСЕСЛИ и МИНЕСЛИ
Глава 22. Функция СМЕЩ
Глава 23. Функция ДВССЫЛ
Глава 24. Условное форматирование
Глава 25. Сортировка в Excel
Глава 26. Таблицы
Глава 27. Счетчики, полосы прокрутки, переключатели, флажки, группы и поля со списками
Глава 28. Революция в аналитике
Глава 29. Введение в оптимизацию с надстройкой Поиск решения
Глава 30. Поиск решения при определении оптимального ассортимента продукции
Глава 31. Поиск решения при планировании расписания работы сотрудников
Глава 32. Поиск решения для задач транспортировки и распределения
Глава 33. Поиск решения для бюджетирования капиталовложений
Глава 34. Поиск решения при финансовом планировании
Глава 35. Поиск решения при оценке спортивных команд
Глава 36. Расположение складов по методу ОПГ с несколькими начальными точками и согласно эволюционному поиску решения
Глава 37. Штрафы и эволюционный поиск решения
Глава 38. Задача коммивояжера
Глава 39. Импорт данных из текстового файла или документа
Глава 40. Инструмент Получить и преобразовать данные
Глава 41. Типы данных “Акции” и “География”
Глава 42. Проверка достоверности данных
Глава 43. Обобщение данных на гистограммах и диаграммах Парето
Глава 44. Обобщение данных с помощью описательной статистики
Глава 45. Сводные таблицы и срезы для описания данных
Глава 46. Модель данных
Глава 47. Power Pivot
Глава 48. 2D-картограммы и 3D-карты Power Map
Глава 49. Спарклайны
Глава 50. Обработка данных с помощью статистических функций для баз данных
Глава 51. Фильтрация данных и удаление дубликатов
Глава 52. Консолидация данных
Глава 53. Создание промежуточных итогов
Глава 54. Приемы работы с диаграммами
Глава 55. Оценка линейных зависимостей
Глава 56. Моделирование экспоненциального роста
Глава 57. Степенная кривая
Глава 58. Представление зависимостей с помощью корреляции
Глава 59. Введение во множественную регрессию
Глава 60. Включение качественных факторов во множественную регрессию
Глава 61. Моделирование нелинейных характеристик и взаимосвязей
Глава 62. Однофакторный дисперсионный анализ
Глава 63. Рандомизированные блоки и двухфакторный дисперсионный анализ
Глава 64. Скользящие средние для временных рядов
Глава 65. Метод Винтерса и Лист прогноза
Глава 66. Метод прогнозирования “по отношению к скользящему среднему”
Глава 67. Прогноз для особых случаев
Глава 68. Введение в теорию вероятности
Глава 69. Введение в случайные величины
Глава 70. Биноминальные, гипергеометрические и отрицательные биноминальные случайные величины
Глава 71. Пуассоновская и экспоненциальная случайные величины
Глава 72. Нормальная случайная величина и Z-оценка
Глава 73. Распределение Вейбулла и бета-распределение: моделирование надежности механизмов и продолжительности работы
Глава 74. Создание вероятностных высказываний на основе прогнозов
Глава 75. Логарифмически нормальная случайная величина в моделировании курса акций
Глава 76. Импорт в Excel истории торгов (загрузка биржевых данных)
Глава 77. Введение в моделирование по методу Монте-Карло
Глава 78. Вычисление оптимальной цены предложения
Глава 79. Моделирование цен на акции и распределение средств между активами
Глава 80. Развлечение и игры: моделирование вероятностей для азартных игр и спортивных соревнований
Глава 81. Анализ данных с помощью повторной выборки
Глава 82. Ценообразование опционов
Глава 83. Определение потребительской ценности
Глава 84. Оптимальный размер заказа в модели управления запасами для неопределенного спроса
Глава 85. Построение моделей управления запасами для неопределенного спроса
Глава 86. Теория массового обслуживания (теория очередей)
Глава 87. Оценка кривой спроса
Глава 88. Ценообразование продуктов с сопутствующими товарами
Глава 89. Ценообразование продуктов с помощью субъективно определяемого спроса
Глава 90. Нелинейное ценообразование
Глава 91. Формула массива и функции, возвращающие массив
Глава 92. Запись макросов
Глава 93. Продвинутый анализ чувствительности

Уэйн Винстон научит вас быстро анализировать данные, принимать решения, подводить итоги, составлять отчеты, обрабатывать данные и строить аналитические модели в Microsoft Excel 2019 и Office 365. В новом шестом издании вас ждут более 800 бизнес-задач, основанных на реальных ситуациях, а также обсуждение новых инструментов и функций. Где бы вы ни работали — в крупной корпорации, небольшой компании, государственной или некоммерческой структуре, — это поможет вам увеличить прибыль, снизить издержки или эффективно управлять производством.
Прочитав эту книгу, вы сможете спрогнозировать результаты выборов, научитесь определять точки безубыточности, рассчитывать вероятность выигрыша в кости или победы любимой команды в турнире.
Хотите обогнать конкурентов? Решайте в Excel реальные задачи!

Бизнес-моделирование и анализ данных. Решение актуальных задач с помощью Microsoft Excel. 6-е издание

От издателей
Введение. Говори на языке диаграмм
Часть 1. Выбор диаграмм
1. Формулирование идеи
2. Определение типа сравнения данных
3. Выбор типа диаграммы
Часть 2. Использование диаграмм
Покомпонентное сравнение
Позиционное сравнение
Временное сравнение
Частотное сравнение
Корреляционное сравнение
Часть 3. Концепции и метафоры в презентации
Визуальные концепции
Визуальные метафоры
Часть 4. Мастер-класс
Лучше упростить
Лучше показать больше
Лучше сделать по-другому
Лучше проявить изобретательность
А теперь ваша очередь поиграть с диаграммами!
Указатель

Как наилучшим образом представить ваши идеи посредством диаграмм? Как удержать внимание аудитории? На страницах этой книги вы найдете все необходимое для этого: практические рекомендации по выбору типа диаграммы (круговая, линейчатая, точечная и т.д.), правила подготовки и использования каждой из них, а также советы по шрифтовому и цветовому оформлению. Кроме того, здесь вы найдете практикум по исправлению неудачных диаграмм, который поможет вам освоить это непростое дело. Этот очень действенный практикум отличает данное издание от выпущенного ранее Институтом комплексных стратегических исследований.

Для кого эта книга?

На протяжении многих лет книга «Говори на языке диаграмм» является настольным пособием для руководителей, консультантов, аналитиков — всех тех, кто хочет научиться четко и лаконично выражать свои мысли и доносить идеи с помощью диаграмм.

«Фишка» книги

Доступны для скачивания электронные версии всех образцов диаграмм, приведенных в части III книги (в формате MSI) вместе с программой просмотра, и инструкция по использованию программы.

Говори на языке диаграмм. Пособие по визуальным коммуникациям, 5-е изд.

Предисловие
Глава 1. Основные понятия, связанные с измерениями
Глава 2. Теория вероятности
Глава 3. Статистический вывод
Глава 4. Описательная статистика и графическое представление данных
Глава 5. Категориальные данные
Глава 6. t-критерий
Глава 7. Коэффициент корреляции Пирсона
Глава 8. Введение в регрессию и дисперсионный анализ
Глава 9. Многофакторный дисперсионный анализ и ковариационный анализ
Глава 10. Множественная линейная регрессия
Глава 11. Логистическая, мультиноминальная и полиноминальная регрессия
Глава 12. Факторный, кластерный и дискриминатный анализы
Глава 13. Непараметрическая статистика
Глава 14. Статистика для бизнеса и контроля качества
Глава 15. Статистика в медицине и эпидемиологии
Глава 16. Статистика в образовании и психологии
Глава 17. Управление данными
Глава 18. Планирование исследования
Глава 19. Представление статистических материалов
Глава 20. Оценка работ по статистике других авторов
Приложение А. Обзор основных математических понятий
Приложение B. Краткий обзор статистических пакетов
Приложение С. Ссылки
Приложение D. Таблицы вероятностей для распространенных типов распределений
Приложение E. Интернет-ресурсы
Приложение F. Словарь статистических терминов

Нужно овладеть статистикой по долгу службы? Хотите получить помощь при сдаче курса статистики? «Статистика для всех» – ясное и краткое введение и руководство для всех новичков. Тщательно переработанное и расширенное, это издание поможет вам глубоко понять статистику, избегая ошеломляющей сложности многих университетских учебников.

Каждая глава представляет собой простые для понимания объяснения, дополненные диаграммами, формулами, задачами с решениями и взятыми из практики заданиями. Если вы хотите, не ломая голову, применять распространенные методы анализа данных и узнать о разнообразных подходах – это книга для вас.

Основные понятия теорий измерений и вероятностей, управления данных и планирования исследований

Основные методы статистической обработки данных, а также методы анализа непараметрических данных

Сложные методы, основанными на обобщенных линейных моделях

Использование и интерпретация статистических данных в бизнесе, контроле качества, медицине и здравоохранении, образовании и психологии

Доводите свои результаты до общего сведения и критически анализируйте статистические данные, полученные другими авторами!

Статистика для всех, Сара Бослаф

Cover
Title Page
Dedication
Introduction: Why I hated calculus but love statistics
1. What’s the Point?
2. Descriptive Statistics: Who was the best baseball player of all time?
Appendix to Chapter 2
3. Deceptive Description: “He’s got a great personality!” and other true but grossly misleading statements
4. Correlation: How does Netflix know what movies I like?
Appendix to Chapter 4
5. Basic Probability: Don’t buy the extended warranty on your 99$ printer
5 ½. The Monty Hall Problem
6. Problems with Probability: How overconfident math geeks nearly destroyed the global financial system
7. The Importance of Data: “Garbage in, garbage out”
8. The Central Limit Theorem: The Lebron James of statistics
9. Inference: Why my statistics professor thought I might have cheated
Appendix to Chapter 9
10. Polling: How we know that 64 percent of Americans support the death penalty (with a sampling error ± 3 percent)
Appendix to Chapter 10
11. Regression Analysis: The miracle elixir
Appendix to Chapter 11
12. Common Regression Mistakes: The mandatory warning label
13. Program Evaluation: Will going to Harvard change your life?
Conclusion: Five questions that statistics can help answer
Appendix: Statistical software
Notes
Acknowledgments
Index
More praise for Naked Statistics
Also by Charles Wheelan
Copyright

A New York Times bestseller

"Brilliant, funny…the best math teacher you never had." ―San Francisco Chronicle

Once considered tedious, the field of statistics is rapidly evolving into a discipline Hal Varian, chief economist at Google, has actually called "sexy." From batting averages and political polls to game shows and medical research, the real-world application of statistics continues to grow by leaps and bounds. How can we catch schools that cheat on standardized tests? How does Netflix know which movies you’ll like? What is causing the rising incidence of autism? As best-selling author Charles Wheelan shows us in Naked Statistics, the right data and a few well-chosen statistical tools can help us answer these questions and more.

For those who slept through Stats 101, this book is a lifesaver. Wheelan strips away the arcane and technical details and focuses on the underlying intuition that drives statistical analysis. He clarifies key concepts such as inference, correlation, and regression analysis, reveals how biased or careless parties can manipulate or misrepresent data, and shows us how brilliant and creative researchers are exploiting the valuable data from natural experiments to tackle thorny questions.

And in Wheelan’s trademark style, there’s not a dull page in sight. You’ll encounter clever Schlitz Beer marketers leveraging basic probability, an International Sausage Festival illuminating the tenets of the central limit theorem, and a head-scratching choice from the famous game show Let’s Make a Deal―and you’ll come away with insights each time. With the wit, accessibility, and sheer fun that turned Naked Economics into a bestseller, Wheelan defies the odds yet again by bringing another essential, formerly unglamorous discipline to life.

Naked Statistics: Stripping the Dread from the Data 1st Edition

Не IT-профессия

1С-Битрикс разработчик

Akka разработчик

Android разработчик

Angular разработчик

Ansible специалист

AR разработчик

AWS облачный архитектор

Azure облачный архитектор

Backend-разработчик

BI-аналитик

Blockchain разработчик

Cordova разработчик

Data engineer

Data Scientist

DevOps

DevSecOps инженер

Digital-специалист

Docker специалист

Drupal разработчик

Express.js разработчик

FastApi разработчик

Flask разработчик

Frontend-разработчик

Fullstack разработчик

Game дизайнер

Gin разработчик

Google Cloud облачный архитектор

Hibernate разработчик

Ionic разработчик

IT-специалист

Java программист

JavaScript программист

Joomla разработчик

Ktor разработчик

Kubernetes специалист

Linux/Unix системный администратор

MongoDB разработчик баз данных

NestJS разработчик

Next.js разработчик

Node.js разработчик

NoSQL разработчик баз данных

Nuxt.js разработчик

Play Framework разработчик

Product manager

Product Owner

Python программист

Quarkus разработчик

Rails разработчик

React разработчик

Scrum Master

SEO специалист

SMM-менеджер

Svelte разработчик

Symfony-разработчик

Terraform специалист

UI дизайнер

UI разработчик

Unity разработчик

UX дизайнер

VR разработчик

Vue.js разработчик

Web дизайнер

Windows системный администратор

WordPress разработчик

Xamarin разработчик

Yandex Cloud облачный архитектор

Yii разработчик

Zend-разработчик

Администратор баз данных

Администратор вычислительной сети

Администратор защиты

Администратор сайта

Аналитик 1С

Аналитик Big Data

Аналитик UX

Аналитик данных

Архитектор безопасности

Архитектор информационных систем

Бизнес аналитик

Веб-аналитик

Веб-мастер

Веб-разработчик

Верстальщик

Видеограф

Видеомонтажер

Визуализатор

Вирусный аналитик

Вконтакте таргетолог

Графический дизайнер

Дженералист (3D)

Дизайнер

Директор по безопасности

Директор по данным

Директор по информационным технологиям

Игровой аналитик

Инженер по машинному обучению

Инженер умных устройств

Интернет-маркетолог

Киберследователь

Развивайтесь в профессии Аналитик данных с помощью нашей подборки книг. Эти книги помогут вам освоить ключевые навыки и углубить знания, необходимые для успешной карьеры в Аналитик данных. Подходит для специалистов всех уровней!

Подборка лучших книг 📚 Аналитик данных — Рекомендуемая литература для профессии Аналитик данных | MyITcareer