Data Science Do Zero | Joel Grus

Joel Grus

Para dominar data science, não basta conhecer ferramentas como bibliotecas e frameworks; é fundamental compreender os princípios e ideias que sustentam a área. Atualizada para Python 3.6, a segunda edição de Data Science do Zero oferece uma abordagem única: aprender a dinâmica das ferramentas e algoritmos implementando-os do zero.

Neste livro, o autor Joel Grus apresenta aos leitores (com noções básicas de matemática e programação) insights práticos para se familiarizar com as operações e estatísticas essenciais em data science. Além disso, o livro desenvolve as habilidades necessárias para uma carreira como cientista de dados. Com novos conteúdos sobre aprendizado profundo, estatística e processamento de linguagem natural, esta edição ensina como extrair valor em meio ao vasto mar de dados disponível.

O que você vai encontrar:

• Curso intensivo de Python
• Introdução à álgebra linear, estatística e probabilidade, com dicas para aplicação prática em data science
• Técnicas para coleta, exploração, limpeza e manipulação de dados
• Fundamentos do aprendizado de máquina e prática com modelos como k-vizinhos mais próximos, Naive Bayes, regressão linear e logística, árvores de decisão, redes neurais e agrupamento
• Sistemas de recomendação, processamento de linguagem natural, análise de redes, MapReduce e bancos de dados

Sobre o livro

Data Science do Zero parte de uma constatação simples: dominar bibliotecas prontas não é o mesmo que entender data science. Joel Grus propõe o caminho inverso — implementar os algoritmos e ferramentas desde o início, para que o leitor compreenda a lógica por trás de cada técnica.

Nesta segunda edição, atualizada para Python 3.6, o livro combina um curso intensivo da linguagem com fundamentos de álgebra linear, estatística e probabilidade, sempre aplicados a problemas reais. Dali, avança para coleta e limpeza de dados, modelos de aprendizado de máquina como k-vizinhos mais próximos, Naive Bayes, regressão e redes neurais, além de tópicos como sistemas de recomendação, processamento de linguagem natural e MapReduce.

Edição da Editora Alta Books, 416 páginas.

Para quem é: quem tem noções básicas de matemática e programação e quer entender data science na raiz; estudantes que buscam construir uma carreira em ciência de dados; profissionais de tecnologia que querem ir além do uso superficial de frameworks; autodidatas que aprendem melhor colocando a mão no código.