Táto učebnica praktickej analýzy údajov spája základné princípy, algoritmy a údaje. Algoritmy sú základným kameňom analýzy údajov a ústredným bodom tejto učebnice. Jasné a intuitívne vysvetlenia matematických a štatistických základov robia algoritmy transparentnými. Praktická analýza údajov si však vyžaduje viac než len základy. Problémy a údaje sú nesmierne variabilné a bez úprav je možné použiť iba tie najzákladnejšie algoritmy. Plynulosť programovania a skúsenosti s reálnymi a náročnými dátami sú nevyhnutné, a tak sa čitateľ ponorí do Pythonu a R a analýzy reálnych dát. Na konci knihy čitateľ získa schopnosť prispôsobiť algoritmy novým problémom a vykonávať inovatívne analýzy. Táto kniha má tri časti: Redukcia údajov Začína konceptmi redukcie údajov, dátových máp a extrakcie informácií. Druhá kapitola predstavuje asociatívnu štatistiku, matematický základ škálovateľných algoritmov a distribuovaných výpočtov. Praktické aspekty distribuovaných výpočtov sú predmetom kapitoly Hadoop a MapReduce.b Extrahovanie informácií z údajov Lineárna regresia a vizualizácia údajov sú hlavnými témami časti II. Autori venujú kapitolu kritickej oblasti analýzy zdravotnej starostlivosti ako rozšírený príklad praktickej analýzy údajov. Algoritmy a analytika budú veľmi zaujímavé pre odborníkov, ktorí majú záujem o využitie veľkých a ťažkopádnych súborov údajov Centra pre kontrolu a prevenciu chorôb Behavioral Risk Factor Surveillance System.c Prediktívna analýza Podrobne sú vyvinuté dva základné a široko používané algoritmy a najbližší susedia a naivný Bayes. Kapitola je venovaná prognózam. Posledná kapitola sa zameriava na streamovanie dát a v tutoriáloch využíva verejne prístupné dátové toky pochádzajúce z API a akciového trhu NASDAQ. Táto kniha je určená pre jedno- alebo dvojsemestrálny kurz dátovej analytiky pre hornú divíziu