1

Step 1

1. Introduction: What Is Data Science?

2

Step 2

exercise: Exploratory Data Analysis (EDA)

3

Step 3

2. Statistical Inference, Exploratory Data Analysis, and the Data Science Process

4

Step 4

exercise: Real Direct Data Strategy

5

Step 5

4. Spam Filters, Naïve Bayes, and Wrangling

6

Step 6

3. Algorithms

7

Step 7

5. Logistic Regression

8

Step 8

6. Time Stamps and Financial Modeling

9

Step 9

7. Extracting Meaning From Data

10

Step 10

8. Recommendation Engines: Building a User-Facing Data Product at Scale

11

Step 11

9. Data Visualization and Fraud Detection

12

Step 12

10. Social Networks and Data Journalism

13

Step 13

11. Causality

14

Step 14

12. Epidemiology

15

Step 15

13. Lessons Learned from Data Competitions: Data Leakage and Model Evaluation

16

Step 16

14. Data Engineering: MapReduce, Pregel, and Hadoop

17

Step 17

15. The Students Speak

18

Step 18

16. Next-Generation Data Scientists, Hubris, and Ethics

1

Step 1

1. Introduction: What Is Data Science?

2

Step 2

exercise: Exploratory Data Analysis (EDA)

3

Step 3

2. Statistical Inference, Exploratory Data Analysis, and the Data Science Process

4

Step 4

exercise: Real Direct Data Strategy

5

Step 5

4. Spam Filters, Naïve Bayes, and Wrangling

6

Step 6

3. Algorithms

7

Step 7

5. Logistic Regression

8

Step 8

6. Time Stamps and Financial Modeling

9

Step 9

7. Extracting Meaning From Data

10

Step 10

8. Recommendation Engines: Building a User-Facing Data Product at Scale

11

Step 11

9. Data Visualization and Fraud Detection

12

Step 12

10. Social Networks and Data Journalism

13

Step 13

11. Causality

14

Step 14

12. Epidemiology

15

Step 15

13. Lessons Learned from Data Competitions: Data Leakage and Model Evaluation

16

Step 16

14. Data Engineering: MapReduce, Pregel, and Hadoop

17

Step 17

15. The Students Speak

18

Step 18

16. Next-Generation Data Scientists, Hubris, and Ethics

13 June 2015
Goal completed 21 January 2016

Goal author

Business & Finance

Пройти книгу "Doing Data Science"

На 23 февраля этого года Люба сделала мне отличный сюрприз, подарив эту книгу. И это было очень уместно, т.к. я как раз уже искал работу в области Data Science.

Я начал читать книгу, но на первом же серьезном упражнении отложил её "до лучших времён", оправдывая свою лень нехваткой времени и еще чем-то.

Так вот сейчас, когда я наконец-то нашел должность Data Scientist Consultant, самое время эту книгу хорошенько проработать. Ведь найти работу - это еще пол-дела. Надо теперь там хорошо себя показать, чтобы пройти испыттельный срок. Да и просто для себя всегда хочется лучше разбираться.

До вступления на новую должность (29 июня) остается 2 недели. Вполне реально успеть пройти книгу, но надо не халтурить.

Поехали!


 Goal Accomplishment Criteria

Дочитал книгу и выполнил все упражнения

 Personal resources

час свободного времени утром, немного в транспорте, и часа 2 вечером.

 Goal ecological compatibility

Эта книга важна для моей новой профессии. Надо подготовиться. И нельзя бросать начатое.

  1. 1. Introduction: What Is Data Science?

  2. exercise: Exploratory Data Analysis (EDA)

  3. 2. Statistical Inference, Exploratory Data Analysis, and the Data Science Process

  4. exercise: Real Direct Data Strategy

  5. 4. Spam Filters, Naïve Bayes, and Wrangling

  6. 3. Algorithms

  7. 5. Logistic Regression

  8. 6. Time Stamps and Financial Modeling

  9. 7. Extracting Meaning From Data

  10. 8. Recommendation Engines: Building a User-Facing Data Product at Scale

  11. 9. Data Visualization and Fraud Detection

  12. 10. Social Networks and Data Journalism

  13. 11. Causality

  14. 12. Epidemiology

  15. 13. Lessons Learned from Data Competitions: Data Leakage and Model Evaluation

  16. 14. Data Engineering: MapReduce, Pregel, and Hadoop

  17. 15. The Students Speak

  18. 16. Next-Generation Data Scientists, Hubris, and Ethics

  • 1399
  • 13 June 2015, 15:35
Sign up

Signup

Уже зарегистрированы?
Quick sign-up through social networks.
Sign in

Sign in.
Allowed.

Not registered yet?
 
Log in through social networks
Forgot your password?