By Narayana Murthy, Data scientist.

Ik ben verheugd de release van mijn e-boek aan te kondigen, Leer datawetenschap met R. Het is beschikbaar voor Download als een boekenactie voor een beperkte periode.

Datawetenschap leren

Data science is een combinatie van verschillende vaardigheden. De datawetenschapper heeft vaardigheid in statistiek, wiskunde, programmeren en andere vaardigheden nodig.

Dus de logische vraag is, Waar te beginnen?

Statistieken

Statistiek is het begrijpen en interpreteren van gegevens. Het is de kern van datawetenschap. Een van de beste plaatsen om te beginnen is de Statistieken Stichtingen cursus van Pluralsight. Het omvat zowel beschrijvende statistieken als inferentiële statistieken.

Programmeertalen

Python, R en Julia zijn populaire programmeertalen voor datawetenschapsprojecten. Elke taal heeft unieke verdiensten. Python is de populairste datawetenschapstaal en Julia is de snelste. Kernpython is een aanbevolen cursus voor het leren van de python-taal.

R-taal is de beste optie voor beginners, academici en domeinexperts. Het is overweldigend om tegelijkertijd datawetenschap en een algemene taal zoals Python te leren. R is gemakkelijker te begrijpen omdat het een datawetenschapstaal is. Het heeft goede steun van de gemeenschap.

Machine leren

Machine learning is de wetenschap van het automatisch bouwen van modellen. Het is een subset van kunstmatige intelligentie. Leer machine learning na het beheersen van statistieken en programmeren. Het boek Lineaire algebra en leren van gegevens omvat zowel eenvoudige als geavanceerde onderwerpen. Het leert lineaire algebra samen met deep learning en neurale netwerken.

Introductie van Leer datawetenschap met R

Cursussen over specifieke onderwerpen geven een goed begrip van data science-concepten. Het zou leuk zijn om alle vaardigheden op één plek te leren.

Leer datawetenschap met R omvat statistiek, elementaire wiskunde, de R-taal, visualisatie en algoritmen voor machine learning. Het is nauwkeurig en volledig. Het is een boek van 250 pagina's.

De hoofdstukken omvatten:

1. Ermee beginnen
2. Statistieken en R
3. Wiskunde
4. Gegevens ruzie
5. Verkennende gegevensanalyse
6. machine learning
7. Soorten machinaal leren
8. Geavanceerd begeleid leren
9. Hands-on projecten
10. Gebruiksvoorbeelden van datawetenschap
11. Final Notes

Het schrijven van het boek was voor mij een geweldige ervaring. Het boek kreeg positieve feedback in Goodreads en LibraryThing. Downloaden het e-boek. Ik hoop dat je het leuk vindt om te lezen. Uw feedback wordt op prijs gesteld.

Bio: Narayana Nemani is momenteel werkzaam als Lead Data Scientist en houdt zich bezig met het onderwijs en onderzoek van data science.

Zie ook:

• Roadmap voor Data Science Learning voor 2021
• R of Python? Waarom niet beide?
• 5 tips voor het schrijven van schone R-code