Эта книга для всех, кто работает с аналитикой и создает презентации на основе данных. В ней показано, как выйти за рамки стандартных инструментов, чтобы раскрыть суть данных и использовать их для создания увлекательной, информативной и убедительной истории. Уроки из этой книги помогут превратить ваши данные в яркие наглядные визуализации, понятные аудитории. Расскажите вашу историю на основе данных! Навыки работы в текстовом редакторе, с электронными таблицами и ПО для создания презентаций – которые когда-то были преимуществом – перешли в разряд стандартных требований для большинства сотрудников. Специалист по подбору персонала сказал мне, что сегодня «умения работать с Microsoft Office» недостаточно: владение базовыми знаниями ожидается по умолчанию, конкурентным преимуществом становится то, что умеет соискатель помимо этого.

Управление данными продолжает стремительно развиваться, и централизованное хранение информации, например в хранилищах данных (data warehouse), больше не является идеальным решением для масштабирования. Современный мир требует быстрого преобразования данных в ценность. Это влечет за собой смену парадигмы о том, как мы работаем с данными. Вы познакомитесь с принципами, лучшими практиками и паттернами и научитесь проектировать архитектуру данных нового поколения, учитывающую масштабирование потребностей организаций. Книга станет идеальным руководством для тех, кто стремится построить гибкую, безопасную и ориентированную на бизнес-ценности инфраструктуру данных.

Цель этой книги – научить вас подготавливать и преобразовывать сырые данные, конструировать новые признаки и придавать исходным данным форму, пригодную для будущего интеллектуального анализа при помощи методов машинного и глубокого обучения. Предложенные в книге эффективные техники и приемы будут полезны для обработки любого объема данных. Примеры кода опираются на наиболее популярные библиотеки Python для работы с данными, такие как Pandas, NumPy и Scikit-learn. Издание предназначено как делающим первые шаги в освоении науки о данных, так и практикующим специалистам, желающим улучшить свои навыки.

Эта книга является практическим руководством для аналитиков, трейдеров и исследователей данных, стремящихся углубить свои знания в области анализа финансовых данных. В книге подробно рассматриваются методы кластерного анализа, их применение для оптимизации портфеля, обнаружения аномалий и прогнозирования трендов на финансовых рынках. Материалы книги сопровождается примерами кода на Python, что позволяет читателям немедленно применять изученные методы на практике. Использование популярных библиотек, таких как Pandas, NumPy, Scikit-learn, Matplotlib и Seaborn, делает анализ данных доступным и эффективным.

Elasticsearch — мощный инструмент для работы с большими объемами данных. Это масштабируемая, надежная и быстрая система со множеством функций для анализа и поиска данных. Книга представляет собой подробное руководство по использованию Elasticsearch для управления данными. Вначале приводится обзор Elasticsearch, где описана его важность в современном мире. Далее рассматриваются основы Elasticsearch, включая установку, настройку и управление индексами. Затем автор переходит к более сложным темам, таким как обработка геопространственных данных и использование агрегаций для анализа данных. Вы получите глубокое представление об Elasticsearch и сможете использовать его для управления большими объемами данных и извлечения из них ценной информации. Эта книга предназначена для широкого круга специалистов, включая разработчиков, архитекторов, администраторов баз данных, инженеров DevOps и других читателей, заинтересованных в эффективном изучении Elasticsearch и применении его в своих приложениях — как новых, так и уже существующих.

Главная задача книги — определить набор руководящих принципов и описать их применение в функциональных областях управления данными. Издание всесторонне описывает проблемы, возникающие в процессе управления данными, и предлагает способы их решения. В нем подробно описаны широко принятые практики, методы и приемы, функции, роли, результаты и метрики. Книга предоставляет специалистам по управлению данными, ИТ-специалистам, руководителям, преподавателям и исследователям обширный материал для совершенствования работы с информационными активами и корпоративными данными.

«Основы больших данных» обеспечивают прагматичное и серьезное введение в область больших данных. Популярный ИТ-автор Томас Эрл и его команда четко объясняют ключевые концепции, теорию и терминологию Big Data, а также фундаментальные технологии и методы. Весь охват материала книги поддерживается примерами из практики и многочисленными простыми диаграммами.

Книга охватывает различные аспекты деятельности транспортной отрасли и может использоваться как базовый справочник или путеводитель по основам интеллектуальных транспортных систем (ИТС). В начале даётся определение интеллектуальной транспортной системы, освещаются её предназначение, цели и задачи. Далее описывается место ИТС в государстве и хозяйственно-экономическом комплексе страны, рассматриваются нормативные правовые акты, которые регламентируют функционирование ИТС. Приводятся функции ИТС, описываются её подсистемы, их взаимосвязь друг с другом и с внешними объектами.

В последнее время географические информационные системы (ГИС) находят широкое применение во многих отраслях науки и практики. Прежде всего следует отметить географию и ее дисциплины – геологию, геоморфологию, гидрометеорологию, почвоведение, биогеографию, ландшафтоведение, геоэкологию, геодезию и картографию, геодемографию; социально-экономическую, политическую и электоральную географию. Данные направления представляют собой традиционную область использования ГИС.