علم البيانات هو مجال الدراسة الذي يتعامل مع كميات هائلة من البيانات باستخدام الأساليب والعمليات والخوارزميات والأنظمة العلمية للعثور على الأنماط غير المرئية ، واشتقاق معلومات ذات مغزى ، واتخاذ قرارات العمل في الشركات ، وكذلك استخدامها في المؤسسات غير التجارية. تشمل المؤسسات غير التجارية صناعات للرعاية الصحية ، والألعاب ، والتعرف على الصور ، وأنظمة التوصية ، والخدمات اللوجستية ، واكتشاف الاحتيال (المؤسسات المصرفية والمالية) ، والبحث عبر الإنترنت ، والتعرف على الكلام ، والإعلان المستهدف ، وتخطيط خطوط الطيران ، والواقع المعزز. علم البيانات هو مجموعة فرعية من الذكاء الاصطناعي. يمكن أن تأتي البيانات المستخدمة للتحليل من العديد من المصادر المختلفة ويتم تقديمها في تنسيقات مختلفة. قد تكون بعض بيانات المصدر موحدة ؛ البعض الآخر قد لا تكون موحدة.
لوضعها بطريقة أخرى ، يتم استخدام منهجيات مختلفة لجمع البيانات (جمع المرجع). ثم يتم استخلاص المعرفة (استنتاجات قيمة) من البيانات المجمعة. في العملية ، بعد جمع البيانات ، يتم إجراء البحث عليها (البيانات) للحصول على بيانات (نتائج) جديدة يتم من خلالها حل المشكلات.
علم البيانات تخصص (رئيسي) موجود على مستوى درجتي البكالوريوس والماجستير في الجامعة. ومع ذلك ، هناك عدد قليل فقط من الجامعات في العالم تقدم علوم البيانات في درجة البكالوريوس أو الماجستير. على مستوى درجة البكالوريوس ، يتخرج الطالب بدرجة علمية في علوم البيانات. هذا مثل درجة الأغراض العامة. على مستوى درجة الماجستير ، يغادر الطالب بدرجة دراسات عليا في علوم البيانات ، أو متخصصًا في تحليلات البيانات ، أو هندسة البيانات ، أو كعالم بيانات.
قد يفاجئ القارئ وربما لسوء الحظ أن التعلم الآلي والنمذجة والإحصاء والبرمجة وقواعد البيانات هي معرفة أساسية لدراسة علوم البيانات على مستوى درجة البكالوريوس على الرغم من حقيقة أنها دورات جامعية محترمة في حقوقهم الخاصة ، ودرسوا فيها. التخصصات الأخرى على مستوى درجة البكالوريوس أو مستوى الماجستير. على الرغم من ذلك ، عندما يذهب الطالب إلى إحدى الجامعات لدراسة علوم البيانات على مستوى الشهادة ، ستظل دراسة جميع هذه الدورات ، جنبًا إلى جنب أو قبل الدورات المناسبة ، لعلوم البيانات.
لا يزال يجري تطوير علم البيانات لدرجة البكالوريوس أو تخصصاتها مثل تحليلات البيانات أو هندسة البيانات أو كعالم بيانات ؛ على الرغم من أنهم وصلوا إلى مرحلة يتم فيها تطبيقهم في الصناعات بعد دراستهم (في الجامعة). علم البيانات هو تخصص جديد نسبيًا بشكل عام.
تذكر أنه يجب عليك أولاً أن تكون اختصاصيًا قبل أن تصبح متخصصًا. الفروق بين برامج المتخصصين ليست واضحة بعد. الفروق بين الاختصاصي والبرامج المتخصصة ليست واضحة بعد.
نظرًا لأن Data Science هو تخصص جديد نسبيًا ، فإن الكتب الموصوفة في هذا المستند تستند إلى تغطية المحتوى وليس علم أصول التدريس (مدى جودة تعليم الكتاب). وهم لبرنامج درجة البكالوريوس (اختصاصي). هناك دورات عامة مختلفة.
القائمة
لمزيد من التفاصيل وإمكانية الشراء باستخدام بطاقة الائتمان ، يتم توفير ارتباط تشعبي لكل كتاب. لا يغطي أي من الكتب جميع دورات الاختصاصيين.
الرياضيات الأساسية لعلوم البيانات: حساب التفاضل والتكامل والإحصاء ونظرية الاحتمالات والجبر الخطي
بقلم: هادريان جان
- الناشر: هادريان جان
- تاريخ النشر: بعد 30 سبتمبر 2020
- اللغة: الإنجليزية
- عدد الصفحات: أكثر من 400
يمكن اعتبار محتوى هذا الكتاب بمثابة دورة الرياضيات لعلوم البيانات. على الرغم من أنه لا يُنصح بتعلم علوم البيانات بنفسه ، يجب على خريج المدرسة الثانوية الذي يرغب في تعلم علوم البيانات بنفسه أو بنفسه أن يبدأ بهذا الكتاب.
المحتوى: حساب التفاضل والتكامل. الإحصاء والاحتمالات؛ الجبر الخطي؛ النواقل والنواقل. المصفوفات والموترات. المدى ، التبعية الخطية ، وتحول الفضاء ؛ نظم المعادلات الخطية. المتجهات الذاتية والقيم الذاتية ؛ تحليل القيمة الفردية.
https://www.essentialmathfordatascience.com/
دليل الفهم العام لهياكل البيانات والخوارزميات: رفع مستوى مهارات البرمجة الأساسية لديك / الإصدار الثاني
بقلم: جاي وينغرو
- الناشر: مكتبة براغماتية
- تاريخ النشر: 15 سبتمبر 2020
- اللغة: الإنجليزية
- الأبعاد: 7.5 × 1.25 × 9.25 بوصة
- عدد الصفحات: 508
يتناول هذا الكتاب الخوارزميات وهياكل البيانات المستخدمة في علم البيانات. بافتراض أن شخصًا ما يتعلم علوم البيانات بنفسه بعد التخرج من المدرسة الثانوية ، فهذا هو الكتاب التالي الذي يجب قراءته بعد قراءة كتاب الرياضيات السابق. يتم تقديم أمثلة البرامج في JavaScript و Python و Ruby.
المحتوى: سبب أهمية هياكل البيانات ؛ لماذا الخوارزميات مهمة؟ أوه نعم! تدوين Big O ؛ تسريع التعليمات البرمجية الخاصة بك مع Big O ؛ تحسين الكود مع وبدون Big O ؛ تحسين السيناريوهات المتفائلة ؛ بيج أو في كود كل يوم. اشتعلت فيه النيران بحث سريع مع جداول التجزئة ؛ صياغة التعليمات البرمجية الأنيقة باستخدام الأكوام وقوائم الانتظار ؛ تتكرر بشكل متكرر مع العودية ؛ تعلم الكتابة في العودية. البرمجة الديناميكية الخوارزميات العودية للسرعة ؛ هياكل البيانات المستندة إلى العقدة ؛ تسريع كل الأشياء باستخدام أشجار البحث الثنائية ؛ الحفاظ على الأولويات الخاصة بك مع الأكوام ؛ لا يؤلم Trie. ربط كل شيء بالرسوم البيانية ؛ التعامل مع قيود المساحة ؛ تقنيات تحسين الكود
علم البيانات الأكثر ذكاءً: النجاح في البيانات على مستوى المؤسسة ومشاريع الذكاء الاصطناعي / 1 شارع التحرير
بقلم: نيل فيشمان وكول سترايكر وجرادي بوش
- الناشر: وايلي
- تاريخ النشر: ١٤ أبريل ٢٠٢٠
- اللغة: الإنجليزية
- عدد الصفحات: 286
المحتوى: تسلق سلم الذكاء الاصطناعي. تأطير الجزء الأول: اعتبارات للمنظمات التي تستخدم الذكاء الاصطناعي ؛ تأطير الجزء الثاني: اعتبارات العمل مع البيانات والذكاء الاصطناعي ؛ نظرة إلى الوراء على التحليلات: أكثر من مطرقة واحدة ؛ نظرة مستقبلية على التحليلات: ليس كل شيء يمكن أن يكون مسمارًا ؛ معالجة التخصصات التشغيلية على سلم الذكاء الاصطناعي ؛ تعظيم استخدام بياناتك: أن تكون مدفوعة بالقيمة ؛ تثمين البيانات مع التحليل الإحصائي وتمكين الوصول الهادف ؛ البناء على المدى الطويل. A Journey’s End: An IA for AI.
تعلم الآلة: منظور احتمالي (سلسلة الحساب التكيفي وتعلم الآلة) الإصدار المصور
بقلم: كيفن بي مورفي
- الناشر: مطبعة معهد ماساتشوستس للتكنولوجيا
- تاريخ النشر: ٢٤ أغسطس ٢٠١٢
- اللغة: الإنجليزية
- الأبعاد: 8.25 × 1.79 × 9.27 بوصة
- عدد الصفحات: 1104
هذا الكتاب جيد للمبتدئين. مرة أخرى ، مثل باقي الكتب الموصوفة في هذا المستند ، لا يغطي هذا الكتاب كل ما هو ضروري لبرنامج الاختصاصي الذي ، للأسف ، لم يتم الانتهاء منه بعد (البرامج المتخصصة لم تنته بعد). المبتدئ النموذجي هنا هو خريج مدرسة ثانوية مع تمريرة في الرياضيات وعلوم الكمبيوتر.
المحتوى: مقدمة (التعلم الآلي: ماذا ولماذا؟ ، التعلم غير الخاضع للإشراف ، بعض المفاهيم الأساسية في التعلم الآلي) ؛ احتمالا؛ النماذج التوليدية للبيانات المنفصلة ؛ نماذج غاوسية إحصائيات بايزي إحصائيات متكررة الانحدارالخطي؛ الانحدار اللوجستي؛ النماذج الخطية المعممة والأسرة الأسية ؛ نماذج رسومية موجهة (شبكات بايز) ؛ نماذج الخليط وخوارزمية EM ؛ النماذج الخطية الكامنة نماذج خطية متفرقة حبات. عمليات جاوس نماذج دالة الأساس التكيفية ؛ نماذج ماركوف وماركوف المخفية ؛ نماذج الفضاء الحكومية ؛ نماذج رسومية غير موجهة (حقول ماركوف العشوائية) ؛ الاستدلال الدقيق للنماذج الرسومية ؛ الاستدلال المتغير المزيد من الاستدلال المتغير ؛ استنتاج مونت كارلو استدلال سلسلة ماركوف مونت كارلو (MCMC) ؛ تجمع؛ تعلم هيكل النموذج الرسومي ؛ النماذج المتغيرة الكامنة للبيانات المنفصلة ؛ تعلم عميق.
علم البيانات للأعمال: ما تحتاج لمعرفته حول التنقيب في البيانات والتفكير التحليلي للبيانات / الإصدار الأول
بقلم: توم فاوسيت وفوستر بروفوست
- الناشر: O’Reilly Media
- تاريخ النشر: ١٧ سبتمبر ٢٠١٣
- اللغة: الإنجليزية
- الأبعاد: 7 × 0.9 × 9.19 بوصة
- عدد الصفحات: 413
المحتوى: التفكير التحليلي للبيانات. مشاكل الأعمال وحلول علوم البيانات ؛ مقدمة في النمذجة التنبؤية: من الارتباط إلى التجزئة الخاضعة للإشراف ؛ ملاءمة نموذج للبيانات ؛ التجاوز وتجنبها ؛ التشابه والجيران والتكتلات. التفكير التحليلي للقرار 1: ما هو النموذج الجيد ؟؛ تصور أداء النموذج ؛ الأدلة والاحتمالات. تمثيل وتعدين النص ؛ التفكير التحليلي للقرار 2: نحو الهندسة التحليلية ؛ مهام وتقنيات علوم البيانات الأخرى ؛ علم البيانات واستراتيجية الأعمال؛ استنتاج.
https://www.amazon.com/Data-Science-Business-Data-Analytic-Thinking/dp/B08VL5K5ZX
إحصائيات عملية لعلماء البيانات: أكثر من 50 مفهومًا أساسيًا باستخدام R و Python / الإصدار الثاني
بقلم: بيتر بروس وأندرو بروس وبيتر جيديك
- الناشر: O’Reilly Media
- تاريخ النشر: 2 يونيو 2020
- اللغة: الإنجليزية
- الأبعاد: 7 × 0.9 × 9.1 بوصة
- عدد الصفحات: 368
المحتوى: تحليل البيانات الاستكشافية ، توزيع البيانات والمعاينة ، التجارب الإحصائية واختبار الأهمية ، الانحدار والتنبؤ ، التصنيف ، التعلم الآلي الإحصائي ، التعلم غير الخاضع للإشراف.
كتاب السبب: العلم الجديد للسبب والنتيجة
بقلم: جوديا بيرل ، دانا ماكنزي
- الناشر: كتاب أساسي
- تاريخ النشر: ١٥ مايو ٢٠١٨
- اللغة: الإنجليزية
- الأبعاد: 6.3 × 1.4 × 9.4 بوصة
- عدد الصفحات: 432
بينما تستخدم العديد من كتب Data Science صناعة الأعمال البحتة للتوضيح ، يستخدم هذا الكتاب الصناعة الطبية والتخصصات الأخرى للتوضيح.
المحتوى: مقدمة: العقل فوق البيانات ؛ سلم السببية. من القراصنة إلى خنازير غينيا: نشأة الاستدلال السببي ؛ من الدليل إلى الأسباب: القس بايز يلتقي بالسيد هولمز ؛ الإرباك والتفكيك: أو قتل المتغير الكامن ؛ النقاش المليء بالدخان: تنقية الهواء ؛ المفارقات الوفرة !؛ ما وراء التكيف: غزو جبل التدخل ؛ الظروف المضادة: عوالم التعدين التي يمكن أن تكون ؛ الوساطة: البحث عن آلية. البيانات الضخمة والذكاء الاصطناعي والأسئلة الكبيرة.
بناء مهنة في علم البيانات
بقلم: إميلي روبنسون وجاكلين نوليس
- الناشر: مانينغ
- تاريخ النشر: ٢٤ مارس ٢٠٢٠
- اللغة: الإنجليزية
- الأبعاد: 7.38 × 0.8 × 9.25 بوصة
- عدد الصفحات: 354
المحتوى: الشروع في علوم البيانات ؛ العثور على وظيفة علوم البيانات الخاصة بك ؛ الاستقرار في علوم البيانات ؛ تزايد دورك في علوم البيانات.
https://www.manning.com/books/build-a-career-in-data-science
علم البيانات للدمى / الإصدار الثاني
بقلم: ليليان بيرسون
- الناشر: For Dummies
- تاريخ النشر: 6 مارس 2017
- اللغة الإنجليزية
- الأبعاد: 7.3 × 1 × 9 بوصات
- عدد الصفحات: 384
يفترض هذا الكتاب أن القارئ لديه بالفعل المعرفة المطلوبة مسبقًا في الرياضيات والبرمجة.
المحتوى: لف رأسك حول علوم البيانات ؛ استكشاف خطوط أنابيب هندسة البيانات والبنية التحتية. تطبيق الرؤى المستندة إلى البيانات على الأعمال والصناعة ؛ التعلم الآلي: التعلم من البيانات باستخدام جهازك ؛ الرياضيات والاحتمالية والنمذجة الإحصائية ؛ استخدام التجميع لتقسيم البيانات فرعيًا ؛ النمذجة مع المثيلات ؛ نماذج البناء التي تشغل أجهزة إنترنت الأشياء ؛ اتباع مبادئ تصميم تصور البيانات ؛ استخدام D3.js لتصور البيانات ؛ تطبيقات الويب للتصميم المرئي ؛ استكشاف أفضل الممارسات في تصميم لوحة القيادة ؛ صنع الخرائط من البيانات المكانية ؛ استخدام بايثون لعلوم البيانات ؛ استخدام Open Source R لعلوم البيانات ؛ استخدام SQL في علوم البيانات ؛ القيام بعلوم البيانات باستخدام Excel و Knime ؛ علم البيانات في الصحافة: تسمير الخمسة Ws (و H) ؛ الخوض في علوم البيانات البيئية ؛ علم البيانات لدفع النمو في التجارة الإلكترونية ؛ استخدام علم البيانات لوصف النشاط الإجرامي والتنبؤ به ؛ عشرة موارد هائلة للبيانات المفتوحة ؛ عشرة تطبيقات وأدوات مجانية لعلوم البيانات.
تعدين مجموعات البيانات الضخمة / 3 بحث وتطوير التحرير
بقلم: جوري ليسكوفيتش ، أناند راجارامان ، جيفري ديفيد أولمان
- الناشر: مطبعة جامعة كامبريدج
- تاريخ النشر: 13 فبراير 2020
- اللغة الإنجليزية
- الأبعاد: 7 × 1 × 9.75 بوصة
- عدد الصفحات: 565
يفترض هذا الكتاب أيضًا أن القارئ لديه بالفعل المعرفة المطلوبة مسبقًا في الرياضيات والبرمجة.
المحتوى: تنقيب البيانات ؛ MapReduce وحزمة البرامج الجديدة ؛ الخوارزميات باستخدام MapReduce ؛ البحث عن عناصر مماثلة ؛ التعدين تدفقات البيانات؛ تحليل الارتباط العناصر المتكررة تجمع؛ الإعلان على الويب ؛ أنظمة التوصية. تعدين الرسوم البيانية للشبكات الاجتماعية ؛ تخفيض الأبعاد؛ تعلم الآلة على نطاق واسع.
استنتاج
الفروق بين برامج المتخصصين ليست واضحة بعد. كما أن الفروق بين البرامج العامة والمتخصصة ليست واضحة بعد. ومع ذلك ، بعد قراءة قائمة الكتب المحددة ، سيكون القارئ في وضع يمكنه من تقدير الأدوار الخاصة لمحلل البيانات وهندسة البيانات وعالم البيانات بشكل أفضل ، ثم المضي قدمًا.