Bazy danych w Pythonie i AI: statystyka, analityka, big data i uczenie maszynowe

Ta książka – praktyczny przewodnik po pracy z danymi w Pythonie, napisany dla tych, którzy chcą nie tylko „znać teorię”, ale naprawdę pracować z danymi w codziennych zadaniach. Krok po kroku przejdziemy przez pełny cykl życia danych: od przechowywania w bazach i pisania zapytań do analizy, optymalizacji i sensownej interpretacji wyników.

Główny nacisk kładziemy na praktykę, nie ma tutaj przeciążonej teorii i abstrakcyjnych rozważań – tylko to, co naprawdę potrzeby w rzeczywistości. Prawie wszystkie przykłady można od razu kopiować, uruchamiać i widzieć rezultaty, dzięki czemu nauka staje się wizualna i maksymalnie zastosowalna już od pierwszych rozdziałów, a projekty praktyczne i przypadki z rzeczywistego doświadczenia pokażą, jak poszczególne narzędzia łączą się w pełnoprawne analityczne pipeline'y i jak podejmować decyzje inżynieryjne w warunkach dużych tabel, ograniczonych zasobów i zadań biznesowych.

Specjalna uwaga poświęcona jest pracy z big data, AI, uczeniem maszynowym: nauczymy się tworzyć efektywne analityczne modele AI, optymalizować duże zbiory danych, omówimy techniki, które rzadko występują w kursach wprowadzających (przetwarzanie danych partiami, strumieniowe próbkowanie, zmniejszenie zużycia pamięci, przyspieszenie kodu pandas, wykorzystanie efektywnych formatów przechowywania itp.).

Przy tym książka nie wymaga głębokiej wiedzy ani wcześniejszego doświadczenia (wszystkie tematy wprowadzane są stopniowo, prostym językiem, z naciskiem na praktykę) i będzie przydatna szerokiemu gronu odbiorców:

— nowicjuszom, którzy chcą zrozumieć, jak działa analityka danych; 

— deweloperom, którzy muszą lepiej rozumieć SQL i przechowywanie danych; 

— analitykom, którzy pragną wzmocnić podstawy; 

— studentom, którzy studiują bazy danych, Pythona, statystykę; 

— wszystkim, którzy chcą myśleć nie tylko „kodem”, ale i danymi.