Packt: Datavitenskapelige prinsipper

Begynnerinnføring i statistiske teknikker og teorier

Denne ressursen er tilgjengelig på English.

Publisert: 10.05.2019

Dataforsker. Maskinlæringsingeniør. Stordata-ingeniør. Alle tre rangerer høyt blant fremtidige jobber*, og firmaer innen næringer som søker folk med påkrevde kunnskaper: matematikk, programmering og domeneekspertise. 

Mange som arbeider med data har utviklet en eller to av disse kunnskapsområdene, men reell datavitenskap krever alle tre. Denne omfattende eBoken fra Packt, Principles of Data Science, bidrar til å fylle inn tomrommene. 

Forbedre businessytelsen, drift innovasjon og skap nye inntektsstrømmer ved å bygge dataprodukter - alt begynner her. 

Disse retningslinjene er for deg, dersom du:
  • Ønsker å forstå og benytte disse grunnleggende datavitenskapelige praksisen for ethvert domene.
  • Er kjent med grunnleggende matematikk (algebra og muligens sannsynlighetsberegning).
  • Trives med å lese biter av koding eller pseudokoding. 

Last ned Principles of Data Science i dag og lær:
  • Datavitenskapelig terminologi og datatyper.
  • Datavitenskapens fem trinn.
  • Grunnlaget for statistisk dataanalyse og maskinlæring.
  • Hva som muligens er å finne bak det grunnleggende. 

* Ifølge LinkedIns oversikt over fremtidige amerikanske jobber fra 2017

Logg på for å laste ned

- Eller -

Last ned eBoken Principles of Data Science

Microsoft kan bruke kontaktinformasjonen din til å tilby oppdateringer og spesialtilbud om Microsoft Azure og andre Microsoft-produkter og -tjenester. Du kan når som helst avslutte abonnementet. Les personvernerklæringen hvis du vil vite mer.