Базы данных на Python и ИИ, Статистика, аналитика, большие данные и машинное обучение, Измайлов К.К., 2026

Подробнее о кнопках "Купить"

По кнопкам "Купить бумажную книгу" или "Купить электронную книгу" можно купить в официальных магазинах эту книгу, если она имеется в продаже, или похожую книгу. Результаты поиска формируются при помощи поисковых систем Яндекс и Google на основании названия и авторов книги.

Наш сайт не занимается продажей книг, этим занимаются вышеуказанные магазины. Мы лишь даем пользователям возможность найти эту или похожие книги в этих магазинах.

Список книг, которые предлагают магазины, можно увидеть перейдя на одну из страниц покупки, для этого надо нажать на одну из этих кнопок.

Базы данных на Python и ИИ, Статистика, аналитика, большие данные и машинное обучение, Измайлов К.К., 2026.

   Эта книга - практическое руководство по работе с данными в Python, написанное для тех, кто хочет не просто «знать теорию», а реально работать с данными в повседневных задачах. Шаг за шагом мы пройдем полный жизненный цикл данных: от хранения в базах и написания запросов до анализа, оптимизации и осмысленной интерпретации результатов.
Особое внимание уделено работе с большими данными, ИИ, машинному обучению: научимся создавать эффективные аналитические ИИ-модели, оптимизировать большие объёмы данных, разберем приёмы, которые редко встречаются во вводных курсах (обработка данных порциями, стриминговые выборки, снижение потребления памяти, ускорение pandas-кода, использование эффективных форматов хранения и т.д.).

Базы данных на Python и ИИ, Статистика, аналитика, большие данные и машинное обучение, Измайлов К.К., 2026


SQLite для первого шага.
Базы данных часто ассоциируются с чем-то сложным: мощные серверы, множество настроек, системные администраторы, гигабайты информации и тысячи пользователей. В крупных проектах действительно применяются такие системы, как PostgreSQL или MySQL. Они позволяют хранить и обрабатывать огромные массивы данных, обеспечивать отказоустойчивость и работу в многопользовательской среде.

Но для начала изучения SQL и баз данных вовсе не требуется поднимать сервер или осваивать сложные конфигурации. Нам достаточно простой и лёгкой системы, которая позволит сосредоточиться на самом главном — на работе с таблицами, строками и запросами.

ОГЛАВЛЕНИЕ.
Введение.
Содержание книги.
Для кого эта книга.
ЧАСТЬ I. Быстрый старт работы с базами данных.
1.1. SQLite для первого шага.
1.2. Подключение к PostgreSQL и MySQL.
1.3. NoSQL (MongoDB).
ЧАСТЬ II. Python-инструменты для работы с данными.
2.1. Работа с модулем SQLAlchemy.
2.2. Pandas + SQL.
2.3. Работа с большими данными.
2.4. Оптимизация и ускорение работы с данными.
2.5. Хранение и форматы данных: CSV, Parquet, Feather.
ЧАСТЬ III. Статистика и аналитика.
3.1. Что такое статистика в аналитике.
3.2. Описательная статистика.
3.3. Инструменты статистического анализа.
3.4. Регрессия и прогнозы.
3.5. Временные ряды.
3.6. Визуализация отчетов.
ЧАСТЬ IV. Практические проекты.
4.1. Аналитика интернет-магазина.
4.2. А/В-тестирование продукта.
4.3. Анализ социальных сетей.
4.4. Анализ и прогнозирование финансовых данных.
4.5. Справочник: классические продуктовые метрики.
ЧАСТЬ V. Автоматизация и аналитические решения.
5.1. Автоматизация аналитики.
5.2. Дашборды и визуальная аналитика.
5.3. Очистка и подготовка данных.
5.4. Инженерия признаков.
5.5. Основы машинного обучения.
5.6. Инженерия данных и хранение аналитических систем.
5.7. Практический проект: автоматизированная аналитическая система.
5.8. Базы данных в эпоху искусственного интеллекта.
ЧАСТЬ VI. Заключение и дальнейшие шаги.
6.1. Аналитик данных: роли, специализации и путь роста.
6.2. Заключение.
6.3. Дальнейшие шаги.
6.4. Финальные слова.
ПРИЛОЖЕНИЕ I. Подготовка окружения для работы с книгой.
Установка Miniconda.
Создание окружения для книги.
Устанавливаем нужные пакеты.
Регистрируем ядро в Jupyter.
Проверка окружения.
Мини-тест SQLite.
Краткая памятка команд.
ПРИЛОЖЕНИЕ II. Краткий справочник по SQL.
Быстрый старт: выборка, фильтрация, сортировка.
Агрегации и условные подсчёты.
JOIN-шаблоны.
Оконные функции (window functions).
Toп-N388
Дедупликация и выбор «последней версии».
Даты и время.
Когортный анализ (retention - месяц регистрации х месяц жизни).
RFM-сегментация (Recency / Frequency / Monetary).
«Gaps and islands» (непрерывные последовательности).
Сессии: разбиение по таймауту (30 минут).
Воронка.
Работа со строками/JSON (PostgreSQL).
Временные таблицы и СТЕ (common table expressions).
Список использованных источников информации.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Базы данных на Python и ИИ, Статистика, аналитика, большие данные и машинное обучение, Измайлов К.К., 2026 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги



Скачать - pdf - Яндекс.Диск.
Дата публикации:





Хештеги: :: :: ::