10 лучших книг, которые мы читаем в 2022 году
Год лучших технологий в области науки о данных, машинного обучения, искусственного интеллекта и блокчейна
1. Порядок времени — Карло Ровелли исследует концепцию времени и то, как его понимали ученые и философы на протяжении всей истории. В нем обсуждаются достижения в нашем понимании времени, такие как теория относительности Эйнштейна, которая предположила, что время зависит от массы и скорости. В книге также исследуется идея Вселенной без времени и обсуждаются теории и модели, которые были разработаны для объяснения Вселенной таким образом, например, петлевая квантовая теория, над которой работает Ровелли. Книга является интеллектуально стимулирующей и интересной, хотя иногда ей трудно найти правильный баланс между доступностью для широкой аудитории и серьезной научной работой.
2. Код: скрытый язык компьютерного оборудования и программного обеспечения. Эта книга представляет собой пошаговую хронологию появления компьютеров, четко и кратко. Он знакомит вас с тем, что происходит «за» пикселями на вашем экране, от логических элементов и выше, не требуя серьезных технических знаний. Глава за главой знакомит с каждой концепцией и технологией, необходимыми для работы современных компьютеров. К концу у вас будет подробное и интуитивное понимание того, как компьютеры на самом деле работают, и вы сможете легко оптимизировать то, как вы пишете свое собственное программное обеспечение. Это также может побудить вас научиться программировать на ассемблере! Книга, обязательная к прочтению всем, кто интересуется компьютерными науками.
3. Интерактивные информационные панели и приложения для работы с данными с помощью Plotly и Dash. В нашей жизни как специалистов по данным и инженеров по машинному обучению нам часто приходится разрабатывать информационные панели и другие приложения Data Drive для передачи результатов или мониторинга производительность моделей, развернутых в производстве. Plotly и Dash — современные современные библиотеки для интерактивной визуализации с веб-интерфейсом. Эта книга делает замечательную работу, помогая вам быстро освоиться с обеими этими библиотеками, переводя вас с базового на продвинутый уровень с помощью практических строительных блоков, которые вы можете сразу настроить для собственного использования.
4. DeFi и будущее финансов. Децентрализованные финансы (DeFi) — это новая отрасль, целью которой является повышение финансовой свободы в мире. В книге объясняются проблемы, которые DeFi решает для текущей финансовой системы, такие как неэффективность, ограниченный доступ, непрозрачность, централизованный контроль и отсутствие функциональной совместимости. Затем в нем описываются решения, которые предлагает DeFi, с использованием примеров и диаграмм для иллюстрации концепций. Наконец, в книге обсуждаются риски, с которыми сталкивается DeFi, такие как смарт-контракты, управление, масштабирование и регуляторные риски. Настоятельно рекомендуется к прочтению всем, кто интересуется этой бурно развивающейся областью и уже знаком с финансовыми концепциями.
5. Правило Байеса: Введение в байесовский анализ. Несмотря на свою простоту, правило Байеса является одной из самых мощных теорем в теории вероятностей. Эта относительно короткая книга (170 страниц) представляет собой отличный обзор и практическое введение в байесовский анализ. В то время как основной текст обеспечивает прочную основу для основных идей и концепций, сопутствующий код Python дает вам возможность внедрить эти методы в вашу повседневную работу. В целом, отличное первое введение в тему и хороший справочник, если вы не касались этой области какое-то время.
6. Причинно-следственная связь. Причинно-следственная связь — это живая и быстро развивающаяся область науки о данных, которая, по нашему мнению, может стать по-настоящему революционной в ближайшие годы (вы можете получить краткий обзор основных идей в нашей Серию причинно-следственных связей закончили на Medium). Джуда Перл — один из самых выдающихся отцов-основателей этой области, которую он мастерски представляет в этом учебнике. В то время как подход, который выбирает Перл, является математически строгим, благодаря его богатому использованию игрушечных примеров, ключевые идеи и концепции легко усваиваются и адаптируются к наборам данных реального мира. Причинно-следственный вывод — мощная стрела в колчане любого специалиста по данным, и это идеальная отправная точка, если вы хотите сделать первые шаги в этой захватывающей области.
7. Практическое руководство по графическим данным — графическое мышление и графические данные — темы, близкие и дорогие нашему сердцу здесь, в D4Sci (ознакомьтесь с G4Sci, если вы еще этого не сделали), и эта книга отлично помогает работа по представлению как фундаментальных, так и продвинутых тем и методов с использованием практических реальных наборов данных и современных графических баз данных. Книга исключительно хорошо написана, и ей легко следовать, в ней щедро разбросаны практические эмпирические правила, а также практические примеры, которые вы можете использовать для изучения различных концепций. Обязателен для всех, кто интересуется графическим мышлением и базами данных графов.
8. Основы математики для науки о данных. Хорошие математические основы имеют первостепенное значение для успеха в качестве специалиста по данным. В своей недавней книге Т. Нильд знакомит читателя с достаточной частью математики, лежащей в основе науки о данных и машинного обучения, чтобы дать вам преимущество в изучении как классических, так и современных алгоритмов, с которыми вы, вероятно, столкнетесь в своей работе. карьера Data Scientist. Это настоятельно рекомендуется к прочтению всем, кто хочет заглянуть внутрь черных ящиков, которыми мы пользуемся каждый день.
9. The Unicorn Project. Это роман, посвященный преобразованиям, которые необходимы компаниям для достижения устойчивой скорости и качества своей деятельности. В книге исследуется роль команд разработчиков и бизнес-команд в этом процессе и подчеркивается важность коммуникации и принятия решений на основе данных. История занимательная и является хорошей иллюстрацией отраслевых стандартов в области ИТ, несмотря на (или, возможно, из-за) чрезмерного акцента на долгие часы работы и выгорание.
10. Научные вычисления с помощью Python — заполняет важный пробел на книжных полках большинства специалистов по данным. Высокопроизводительные вычисления, особенно научные и числовые вычисления, — это достаточно техническая область компьютерных наук, с которой не знакомо большинство программистов. Это требует глубокого понимания тонкостей используемых структур данных и их конкретных реализаций. В этой книге авторам удалось демистифицировать очень сложную тему с помощью четких объяснений и анализа, которые понравятся разработчикам всех уровней. Конечно, некоторые темы могли бы выиграть от дальнейшего развития, но в каждом проекте такого рода необходимо соблюдать баланс между широтой и глубиной. В общем, полезная книга, к которой я буду часто обращаться.
Какие книги составляли вам компанию на протяжении 2022 года? А какие из них вы ждете в 2023 году?
Кроме того, не забудьте ознакомиться с нашим списком для чтения на 2021 год.
и 2020:
Если вам понравился этот пост, вы можете поддержать меня, подписавшись на меня и став участником Medium по моей ссылке: https://bgoncalves.medium.com/membership
Я также публикую Воскресный брифинг, еженедельный информационный бюллетень, в котором освещаю все последние новости, учебные пособия и сообщения в блогах, связанные с наукой о данных, машинным обучением и искусственным интеллектом.
