анализ данных

Роман с Data Science, Как монетизировать большие данные, Зыков Р., 2021.
 
Как выжать все из своих данных? Как принимать решения на основе данных? Как организовать анализ данных (data science) внутри компании? Кого нанять аналитиком? Как довести проекты машинного обучения (machine learning) и искусственного интеллекта до топового уровня? На эти и многие другие вопросы Роман Зыков знает ответ, потому что занимается анализом данных почти двадцать лет. В послужном списке Романа — создание с нуля собственной компании с офисами в Европе и Южной Америке, ставшей лидером по применению искусственного интеллекта (AI) на российском рынке. Кроме того, автор книги создал с нуля аналитику в Ozon.ru. Эта книга предназначена для думающих читателей, которые хотят попробовать свои силы в области анализа данных и создавать сервисы на их основе. Она будет вам полезна, если вы менеджер, который хочет ставить задачи аналитике и управлять ею. Если вы инвестор, с ней вам будет легче понять потенциал стартапа. Те, кто «пилит» свой стартап, найдут здесь рекомендации, как выбрать подходящие технологии и набрать команду. А начинающим специалистам книга поможет расширить кругозор и начать применять практики, о которых они раньше не задумывались, и это выделит их среди профессионалов такой непростой и изменчивой области. Книга не содержит примеров программного кода, в ней почти нет математики.

Бизнес-моделирование и анализ данных, Решение актуальных задач с помощью Microsoft Excel, Уэйн В., 2021.
 
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 cпрогнозировать 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!

Python для data science, Васильев Ю., 2023.
 
Python — идеальный выбор для манипулирования и извлечения информации из данных всех видов. «Python для data science» познакомит программистов с питоническим миром анализа данных. Вы научитесь писать код на Python, применяя самые современные методы, для получения, преобразования и анализа данных в управлении бизнесом, маркетинге и поддержке принятия решений. Познакомьтесь с богатым набором встроенных структур данных Python для выполнения основных операций, а также о надежной экосистеме библиотек с открытым исходным кодом для data science, включая NumPy, pandas, scikit-learn, matplotlib и другие. Научитесь загружать данные в различных форматах, упорядочивать, группировать и агрегировать датасеты, а также создавать графики, карты и другие визуализации. На подробных примерах стройте реальные приложения, в том числе службу такси, использующую геолокацию, анализ корзины для определения товаров, которые обычно покупаются вместе, а также модель машинного обучения для прогнозирования цен на акции.

Apache Kafka, Потоковая обработка и анализ данных, Шапира Г., Палино Т., Сиварам Р., Петти К., 2023.
 
При работе любого enterprise-приложения образуются данные: это файлы логов, метрики, информация об активности пользователей, исходящие сообщения и т. п. Правильные манипуляции над всеми этими данными не менее важны, чем сами данные. Если вы — архитектор, разработчик или выпускающий инженер, желающий решать подобные проблемы, но пока не знакомы с Apache Kafka, то именно отсюда узнаете, как работать с этой свободной потоковой платформой, позволяющей обрабатывать очереди данных в реальном времени.

Системы сбора и предобработки данных, Методы статического анализа с использованием Google Colab, Учебное пособие, Никульчев Е.В., Алексеенко А.С., Ильин Д.Ю., 2023.

Учебное пособие содержит теоретические сведения, практические примеры и варианты практических работ по дисциплине «Системы сбора и предобработки данных», разделу «Методы статического анализа». Предназначено для магистрантов, обучающихся по направлению 09.04.02 Информационные системы и технологии, а также для студентов и аспирантов смежных специальностей для получения практических навыков анализа данных.

Big Data and Visual Analytics, Suh S.C., Anthony T., 2017.

This book provides users with cutting edge methods and technologies in the area of  big data and visual analytics, as well as an insight to the big data and data analytics research conducted by world-renowned researchers in this field. The authors present comprehensive educational resources on big data and visual analytics covering state-of-the art techniques on data analytics, data and information visualization, and visual analytics. Each chapter covers  specific topics related to big data and data analytics as virtual data machine, security of  big data, big data applications, high performance computing cluster, and big data implementation techniques. Every chapter includes a description of an unique contribution to the area of big data and visual analytics. This book is a valuable resource for researchers and professionals working in the area of big data, data analytics, and information visualization. Advanced-level students studying computer science will also find this book helpful as a secondary textbook or reference.

Анализ многомерных данных, Избранные главы, Эсбенсен К., 2005.

Применение современных подходов к моделированию многомерных (многофакторных) процессов и явлений, основанных на использовании проекционных математических методов, позволяет выделять в больших массивах данных скрытые переменные и анализировать связи, существующие в изучаемой системе. В данном издании представлены основные фундаментальные понятия билинейного (проекционного) моделирования многомерных данных и намечены основные рамки, в которых должно проводиться такое моделирование. В книгу включены многочисленные примеры, которые позволят усвоить этот подход. Предназначена широкому кругу специалистов, интересующихся современными методами анализа данных.

Анализ данных в среде R, Часть 1, Учебное пособие, Синева К.С., 2018.

Предлагаемое издание включает в себя описание инсталляции среды R, графических пользовательских интерфейсов для работы с ней. базовых возможностей языка R, построения графиков в среде R. Приводятся рекомендации по пакетам расширения, которые могут быть использованы для более глубоко статистического анализа данных. Показано нахождение основных характеристик описательной статистики и визуализации данных. Учебное пособие предназначено для студентов бакалавриата, магистратуры и аспирантов, углубленно изучающих интеллектуальный анализ  данных.