Note :

L'ouvrage a du potentiel, mais on lui reproche de ressembler davantage à un manuscrit rempli de codes excessifs et inutiles qu'à un livre traditionnel. Bien que certains concepts soient bien articulés, l'accent mis sur le codage verbeux nuit à son utilité en tant qu'outil de référence ou d'apprentissage.
Avantages:L'auteur présente des concepts et des points de contenu bien rédigés, ce qui en fait une ressource utile pour les débutants en science des données.
Inconvénients:Le livre est critiqué pour être trop verbeux avec du code qui n'est pas utile, ce qui le fait ressembler à un manuscrit. Il manque de lisibilité et d'organisation, se concentre trop sur les exemples de codage et ne fournit pas d'approche structurée pour l'apprentissage pratique de la science des données.
(basé sur 2 avis de lecteurs)
Practical Data Science: A Guide to Building the Technology Stack for Turning Data Lakes Into Business Assets
Apprenez à construire une pile technologique de science des données et à réaliser une bonne science des données avec des méthodes reproductibles. Vous apprendrez à transformer les lacs de données en actifs commerciaux.
La pile technologique de science des données présentée dans Practical Data Science est construite à partir de composants généralement utilisés dans l'industrie. Le data scientist Andreas Vermeulen montre en détail comment construire et approvisionner une pile technologique pour obtenir des résultats reproductibles. Il vous montre comment appliquer des méthodes pratiques pour extraire des connaissances commerciales exploitables à partir de lacs de données constitués de données provenant d'une multitude de types de données et de dimensions.
Ce que vous apprendrez
⬤ Maîtriser les concepts et la terminologie essentiels de la science des données et de l'ingénierie des données.
⬤ Construire et utiliser une pile technologique qui répond aux critères de l'industrie.
⬤ Maîtriser les méthodes d'extraction des connaissances commerciales exploitables.
⬤ Coordonner le traitement des types de données polyglottes dans un lac de données pour obtenir des résultats reproductibles.
A qui s'adresse ce livre ?
Les data scientists et data engineers qui doivent convertir les données d'un lac de données en connaissances exploitables pour leur entreprise, et les étudiants qui aspirent à devenir des data scientists et des data engineers.