Poradniki Data Science
-
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
-
Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka
-
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
-
Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i NumPy oraz środowiska Jupyter. Wydanie III
-
Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II
-
Jak analizować dane z biblioteką Pandas. Praktyczne wprowadzenie. Wydanie II
-
Microsoft Power BI. Jak modelować i wizualizować dane oraz budować narracje cyfrowe. Wydanie III
-
Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku
-
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II
-
Inżynieria danych w praktyce. Kluczowe koncepcje i najlepsze technologie
-
Spark. Błyskawiczna analiza danych. Wydanie II
-
Pierwsze kroki w Power BI. Kompletny przewodnik po praktycznej analityce biznesowej. Wydanie II
-
Potoki danych. Leksykon kieszonkowy. Przenoszenie i przetwarzanie danych na potrzeby ich analizy
-
Zaawansowana analiza danych w PySpark. Metody przetwarzania informacji na szeroką skalę z wykorzystaniem Pythona i systemu Spark
-
Microsoft Power BI dla zaawansowanych. Eksperckie techniki tworzenia interaktywnych analiz w świecie biznesu. Wydanie II
-
Podstawy wizualizacji danych. Zasady tworzenia atrakcyjnych wykresów
-
Microsoft Power BI dla bystrzaków
-
Język R i analiza danych w praktyce. Wydanie II
-
Język R. Receptury. Analiza danych, statystyka i przetwarzanie grafiki. Wydanie II
Czasowo niedostępna