ДМК-Пресс Анализ больших наборов данных Ульман Джеффри Д., Лесковец Юре, Раджараман Ананд

Современный мир невозможно представить без данных, и от их визуального представления во многом зависит эффективность работы с ними. Эта книга подробно рассказывает о Yandex DataLens - одном из мощнейших средств анализа и визуализации данных • Среди рассматриваемых тем • - подключение к данным из разных источников, в том числе управляемых баз данных • - подготовка и преобразование исходных данных для анализа и визуализации • - знакомство со всеми типами диаграмм, доступными в Yandex DataLens, на конкретных примерах • - создание полноценных многостраничных интерактивных дашбордов • - полный обзор функций, доступных в Yandex DataLens • - вся мощь оконных функций на примерах с созданием шпаргалки • - LOD-выражения и особенности их использования с созданием шпаргалки • - использование методов машинного обучения при визуализации данных в Yandex DataLens

Язык программирования Python является оптимальным выбором для исследователей-аналитиков, поскольку позволяет создавать прототипы, визуализировать и анализировать наборы данных малого и среднего размера. Бесчисленное количество предприятий обращается к Python для решения задач, связанных с выявлением особенностей поведения потребителей и превращением исходных данных в действенную информацию о клиентах. Настоящая книга рассказывает, как с помощью научного инструментария Python получать и анализировать данные из наиболее популярных сетей, таких как Facebook, Twitter, Stack Exchange и др. В русскоязычное издание добавлено приложение об анализе данных из сети «ВКонтакте» • Издание предназначено для специалистов по анализу данных, а также будет полезно всем разработчикам на Python, желающим извлекать коммерческую пользу из социальных сетей

Анализ вредоносных программ и анализ дампов памяти – это мощные методы анализа и расследования, используемые в реверс-инжиниринге, цифровой криминалистике и при реагировании на инциденты. Из-за того, что злоумышленники становятся все более изощренными и осуществляют атаки с использованием сложного вредоносного ПО на критические инфраструктуры, центры обработки данных и другие организации, обнаружение и расследование таких вторжений, реагирование на них имеют решающее значение для профессионалов в области информационной безопасности • Данная книга обучает концепциям, методам и инструментам, позволяющим понять поведение и характеристики вредоносных программ с помощью их анализа, а также методам исследования и поиска с использованием криминалистического анализа дампов памяти

Задействуйте всю мощь поведенческих данных в своей компании, используя инструменты, специально разработанные для их анализа. Общепринятые алгоритмы науки о данных и инструменты предсказательной аналитики трактуют данные о поведении клиентов, такие как клики на веб-сайте или покупки в супермаркете, аналогично любым другим данным. Однако в этой книге представлены мощные методы, специально приспособленные для анализа поведенческих данных • Усовершенствованный экспериментальный дизайн позволяет вам получать максимальную отдачу от ваших A/B-тестов, тогда как причинно-следственные диаграммы позволяют выявлять причины поведений, даже если вы не можете проводить эксперименты • Книга написана в доступном стиле для исследователей данных, бизнес-аналитиков и бихевиористов

Если вы хотите использовать Power BI или Excel для анализа данных, реальные примеры из этой книги позволят вам иначе посмотреть на свои отчеты. С правильно спроектированной моделью данных ответы на все вопросы будут предельно простыми! • Читая эту книгу, вы • - освоите базовые концепции моделирования данных, включая таблицы, связи и ключи • - познакомитесь с распространенными схемами данных «звезда» и «снежинка» и общими техниками моделирования • - усвоите важность гранулярности • - узнаете, как использовать несколько таблиц фактов (например, продажи и закупки) в единой модели данных • - научитесь производить расчеты с календарем, используя таблицы с датами • - освоите отслеживание исторических атрибутов, таких как адреса покупателей или привязку клиентов к менеджерам • - узнаете, как использовать снимки для подсчета количества товаров в наличии • - научитесь эффективно работать с несколькими валютами одновременно • - приобретете знания для анализа событий с определенной длительностью, включая пересекающиеся интервалы • - сможете определить, какая модель данных лучше отвечает вашей специфике работы

До недавнего времени для проведения анализа сетей требовалось специализированное программное обеспечение. Однако недавно инструменты для этого появились в среде статистического программирования R. Помимо того, что методы анализа сетей стали доступны более широкому кругу специалистов по статистике, пакет R предоставил исследователям обширные возможности по управлению данными, графической визуализации и статистическому моделированию. Книга является руководством пользователя по анализу сетей в среде R. Она концентрируется на четырех основных задачах, с которыми обычно сталкивается специалист в этой области: управление сетевыми данными, визуализация сети, описание сети и моделирование сети. Все примеры сопровождаются программным кодом на языке R

Открытия, сделанные на основе анализа данных, совершили революцию в моделировании, прогнозировании поведения и управлении сложными системами. В книге приводятся сведения из машинного обучения, математики и физики с целью показать, как моделирование и управление динамическими системами сочетаются с современными методами науки о данных. Рассказывается о многих достижениях в области научных расчетов, которые позволяют применять управляемые данными методы к изучению разнообразных систем: турбулентность, наука о мозге, климатология, эпидемиология, финансы, робототехника и автономные системы • Книга рассчитана на специалистов по работе с данными широкого профиля: инженеров, ученых, разработчиков ПО, а также будет полезна студентам и аспирантам технических вузов

Есть у вас практический опыт использования системы бизнес аналитики Tableau или вы делаете свои первые шаги в этой области, данная книга позволит вам научиться строить наглядные интерактивные визуализации данных • Автор книги Райан Слипер – один из наиболее квалифицированных консультантов по Tableau – использует советы и практические задания для демонстрации использования системы с целью получения важной аналитической информации из данных • Краткое содержание частей книги • основы: знакомство и первые шаги в Tableau • типы диаграмм: пошаговая инструкция по построению в Tableau разнообразных визуализаций • практические советы и хитрости: инновационный подход к применению параметров и теории цвета, советы по повышению эффективности рабочих книг Tableau и многое другое • план действий: знакомство с планом действий INSIGHT, особый подход к построению дашбордов (dashboard) в Tableau • рассказываем историю: изучаем эффективные тактики построения рассказа на основе данных, которые вы сможете незамедлительно применить на практике

Большинство книг по структурам данных предполагают использование императивного языка программирования, например, С/С++ или Java. Однако реализации структур данных на таких языках далеко не всегда хорошо переносятся на функциональные языки программирования, такие как Стандартный ML, Haskell или Scheme. В этой книге структуры данных описываются с точки зрения функциональных языков, в ней содержатся примеры и предлагаются подходы к проектированию, которые могут использоваться разработчиками при создании их собственных структур данных. Книга включает в себя как классические структуры данных, к примеру, красно-черные деревья и биномиальные очереди, так и некоторые новые структуры данных, созданные специально для функциональных языков. Весь исходный код приводится на Стандартном ML и Haskell, причем большинство программ нетрудно адаптировать для других функциональных языков программирования

В книге рассматривается широкий круг вопросов, связанных с практическим применением популярных микроконтроллеров 8051 и их расширений в системах управления и контроля. Основной упор сделан на практические аспекты разработки цифровых и аналоговых интерфейсов, использования таймеров, визуализации результатов измерений в системах сбора информации. Значительная часть материала посвящена практическому программированию в популярной среде разработки Kerf uVision. Приводятся многочисленные примеры разработки несложных аппаратно-программных систем сбора аналоговой и цифровой информации, измерительных систем, систем управления внешними устройствами и т. д. Все приведенные в книге проекты разработаны и проверены на отладочном модуле Rita-51 фирмы Rigel Corp

Пройдите подготовку к экзамену DA-100 и продемонстрируйте свои умения в области анализа данных и визуализации с помощью Power BI • Написанная для аналитиков данных, желающих подтвердить свой статус, эта книга фокусируется на критическом мышлении и процессе принятия решений, необходимых для успешной деятельности в роли сертифицированного специалиста • Экзамен DA-100 концентрируется на проверке навыков и знаний, необходимых для получения, профилирования, очистки, преобразования и загрузки данных, проектирования и разработки моделей данных, создания мер на DAX, оптимизации работы моделей, создания отчетов и дашбордов, повышения удобства использования отчетов, проведения расширенного анализа, управления наборами данных, а также создания и использования рабочих областей

С распространением больших данных растет спрос на вычислительную и алгоритмическую эффективность. Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python • С этой книгой вы научитесь • применять большинство масштабируемых алгоритмов машинного обучения • работать с новейшими крупномасштабными методами машинного обучения • увеличивать прогнозную точность при помощи методов глубокого обучения и масштабируемых методов обработки данных • работать с вычислительной парадигмой Map-Reduce в платформе Spark • применять эффективные алгоритмы машинного обучения на основе платформ Spark и Hadoop • создавать мощные ансамбли в крупном масштабе • использовать потоки данных для обучения линейных и нелинейных прогнозных моделей на чрезвычайно больших наборах данных, используя всего одну машину