Przejdź do głównej zawartości

Jak polubić statystykę? Książka „Analityk Danych”- idealna na początek! [Recenzja]

 


Dlaczego warto przeczytać ten wpis?

    Temat projektów przekładam na kolejny wpis. Muszę się czymś podzielić. Dwa tygodnie temu zakupiłam w Empiku książkę pod tytułem „Analityk Danych” autorstwa Alexa J. Gutmana i Jordana Goldmeiera. Ta pozycja jest REWELACYJNA (pomimo, że dotyczy statystyki w data science). To moja druga książka o statystyce w życiu i muszę przyznać, że tę pierwszą biorę sobie do czytania, gdy nie mogę zasnąć. Sprawdza się doskonale. Natomiast od tej nie mogę się odkleić, co jest naprawdę dziwne, bo jest o statystyce, za którą naprawdę kiedyś nie przepadałam. Teraz jednak dochodzę do wniosku, że to nie była kwestia samej statystyki, bo daleko jej do nudy. To była kwestia sposobu przekazywania mi tych treści. Ta sama historia, co z Excelem.

Co sprawia, że ta książka jest tak dobra?

    Jeśli chodzi o treść książki, to pierwsze, co nasuwa mi się na myśl to jest bardzo zwięzły i zgrabny sposób składania zdań. Warto tutaj wspomnieć, że są książki, które nudzą mnie na poziomie zdań, bo są one zbyt rozwlekle formułowane. Tu nie mam tego problemu. To na plus (w zasadzie będą same plusy, bo książka naprawdę do mnie trafiła).

Ponadto:

  • Autorzy podają bardzo życiowe, proste przykłady. Nie są jakieś skomplikowane i oderwane od rzeczywistości, chociaż akurat ta cecha może nie być aż tak wyjątkowa, bo w ostatnim czasie wszystkie książki, na które trafiam, są pisane w dość przystępny sposób. Niemniej jednak jest to pozytywna cecha.
  • Książka bardzo płynnie przechodzi od krótkiego opisu dlaczego to jest ważna tematyka, poprzez istotę problemu krytycznego spojrzenia na posiadane dane, do podstawowych pojęć, które warto sobie odświeżyć, wnioskowania statystycznego, narzędzi zawartych w ekwipunku specjalisty data science i kończy na „pułapkach”, które czyhają na nas w danych.
  • Warto też wspomnieć, że w książce raz po raz pojawiają się „ćwiczenia myślowe”, które są takimi zagadkami, nad którymi autorzy dają szansę się zastanowić zanim zaprezentują właściwą odpowiedź.

Idealna książka do przyswojenia statystyki w rozsądnym zakresie

    Mam świadomość, że statystyka to rozległa nauka i nie da się jej całej zawrzeć w książce, która ma 200 stron. Jeśli jednak uważnie czytacie tego bloga, to wiecie, że ja nie robię rzeczy na 100%, tylko w potrzebnym mi na dany moment zakresie. Jak na TEN MOMENT to właśnie taką ilość wiedzy chciałam częściowo odświeżyć, a częściowo przyswoić jeśli chodzi o statystykę- idealny zakres i forma podania. Wystarczy „na początek”. Na chwilę.

Czy warto kupić „Analityka Danych”? Moja opinia

    Zdecydowanie TAK! Kupiłabym ją jeszcze raz i Wam też ją polecam. Jeśli chcecie zrozumieć statystykę w kontekście analizy danych i Data Science, to jest świetny wybór.

Komentarze

Popularne posty z tego bloga

Data science landscape- od ekscytacji do przytłoczenia.

    Po sieci krąży grafika, którą bardzo lubię, i której nie znoszę jednocześnie (link u dołu wpisu). Pokazuje jak obszerna i zróżnicowana jest wiedza dziedzinowa z zakresu data science. Pierwsze moje wrażenie, gdy natknęłam się na tę grafikę jakiś czas temu było bardzo pozytywne. Poczułam się naprawdę zainspirowana. Zawsze lubiłam się uczyć i nigdy nie sprawiało mi to większych trudności. Uczenie się w zasadzie jest stałym elementem mojego życia, bo przynosi mi naprawdę dużo satysfakcji. Pomyślałam: "Tyle jeszcze przede mną. Super!". Kolejny kontakt z tą grafiką jakiś czas później, po pierwszych podjętych próbach wymyślenia planu nauki ("Od czego by tu zacząć?”) wiązał się z poczuciem niepokoju. Wręcz przeraziło mnie to, jak daleko w lesie jestem. Pomyślałam: "No, nie ma szans. To mi zajmie 50 lat. Zdążę umrzeć zanim spełnię marzenie.”. Poczułam chaos informacyjny, natłok wartościowych materiałów, kursów, które warto zrobić i książek, które dobrze jest przeczytać. ...

10+ najczęstszych błędów w analizie danych (i jak ich uniknąć przed certyfikatem DataCamp)

  Gdy życie krzyżuje plany  (i co z tego wynika) Jestem na etapie kończenia zaplanowanych powtórek. Wszystko idzie trochę wolniej, niż zakładałam, bo życie (ech, znowu ono) pokrzyżowało mi plany. Mam teraz coś znacznie ważniejszego, z czym muszę się zmierzyć, niż jakikolwiek certyfikat. W tym krótkim poście chciałabym pochylić się nad częstymi błędami, które zdarzają się osobom przygotowującym się do certyfikatu, do którego ja też podchodzę. Pisałam o nim tutaj →  Certyfikat DataCamp: Python Data Associate- jak się do niego przygotowuję? . Skąd wzięłam te błędy? Najpierw przedstawię błędy wymieniane przez autorów materiałów na DataCampie. Potem przejdę przez takie, które często pojawiają się w innych źródłach (np. tu: laboratorium-mozliwosci.pl , dataconversion.ie ). Później dorzucę coś od siebie - czyli błędy, które sama popełniłam. A na koniec to, co podpowiedział mi jeszcze ChatGPT (jako uzupełnienie listy). Z mojej perspektywy - osoby, która przygotowuje się do egza...

Jak skrócić drogę do pierwszej pracy w branży?

  Obraz  Gerd Altmann  z  Pixabay Uczyć się można od zera, od podstaw. Następnie zagłębiać się w coraz to bardziej zaawansowane tematy. Wchodzić wyżej i wyżej- jak po schodach. Wszystko może się układać w jedną linię, która idzie od punktu A do B, potem do C i tak dalej. Tylko, że wymierne efekty takiej nauki przyjdą po dłuższym czasie. Choć będą to solidne podstawy- tego nie mogę tej metodzie odjąć- to pierwszej pracy szybko nie dostaniemy.  Ok, nie mówię, że chcę pierwszą pracę od razu. Jestem realistką, ale… Chcę działać tak, by proces ten jak najbardziej skrócić. Wymyśliłam plan, który opiera się na spełnianiu wymagań potencjalnych przyszłych pracodawców. Nie jest to linia pociągnięta w jednym kierunku. To raczej sieć powiązań, które stopniowo stworzą jedną wielką całość. Co to oznacza? Przejrzę bardzo dużą liczbę ofert pracy dla początkujących w tej branży, może nawet oferty staży i praktyk. Następnie zbiorę wszystkie wymagania, które będą się w nich przewi...