Cuốn sách này giúp bạn học cách sử dụng: IPython và Jupyter: cung cấp môi trường tính toán cho các nhà khoa học dữ liệu sử dụng Python; NumPy: bao gồm ndarray để lưu trữ và thao tác hiệu quả các mảng dữ liệu dày đặc trong Python; Pandas: có DataFrame để lưu trữ và thao tác hiệu quả dữ liệu được gắn nhãn/cột trong Python; Matplotlib: bao gồm các khả năng cho một loạt trực quan hóa dữ liệu linh hoạt trong Python; Scikit-Learn: để triển khai Python hiệu quả và rõ ràng các thuật toán học máy quan trọng và lâu đời nhất.

Cuốn sách này là một phần của Dự án LAMBDA (Học, Áp dụng, Nhân Phân tích Dữ liệu Lớn), được tài trợ bởi Liên minh Châu Âu, GA số 809965. Phân tích Dữ liệu bao gồm việc áp dụng các quy trình thuật toán để rút ra thông tin chuyên sâu. Ngày nay nó được sử dụng trong nhiều ngành công nghiệp để cho phép các tổ chức và công ty đưa ra quyết định tốt hơn cũng như xác minh hoặc bác bỏ các lý thuyết hoặc mô hình hiện có. Thuật ngữ phân tích dữ liệu thường được sử dụng thay thế cho trí thông minh, thống kê, lý luận, khai thác dữ liệu, khám phá kiến thức và những thứ khác.

Cuốn sách này trình bày những tiến bộ lý thuyết và thực tiễn gần đây trong lĩnh vực khai thác dữ liệu.

Công nghệ nano là một ngành khoa học phát triển nhanh chóng, đã và đang tạo ra những kiến thức cơ bản xuất sắc và các ứng dụng công nghiệp vì lợi ích của xã hội. Đây là một lĩnh vực khoa học mới nổi và hấp dẫn, cho phép nghiên cứu chuyên sâu trong nhiều lĩnh vực. Những ứng dụng đầu tiên của công nghệ nano chủ yếu liên quan đến khoa học vật liệu; các ứng dụng trong lĩnh vực nông nghiệp và thực phẩm vẫn đang tiếp tục phát triển

Nếu công việc của bạn liên quan đến việc làm việc với dữ liệu theo bất kỳ cách nào, bạn không thể bỏ qua cuộc cách mạng R! Nếu lĩnh vực của bạn được gọi là phân tích dữ liệu, phân tích, tin học, khoa học dữ liệu, báo cáo, trí tuệ kinh doanh, quản lý dữ liệu, dữ liệu lớn hoặc trực quan hóa, bạn chỉ cần học R vì ngôn ngữ lập trình này là một công cụ thay đổi cuộc chơi.

Cuốn sách này xem xét tất cả các khía cạnh của việc quản lý sự phức tạp của Điện toán dữ liệu lớn đa phương tiện (MMBD) cho các ứng dụng IoT và phát triển một hệ thống phân loại toàn diện.

Người đọc cho cuốn sách này sẽ là người hiểu biết về định lượng và có hiểu biết cơ bản về các khái niệm thống kê và lập trình R.Sinh viên phải có hiểu biết cơ bản về suy luận thống kê như có trong Suy luận thống kê cho khoa học dữ liệu.

Nội dung cuốn sách Quản lý hiện đại dựa trên Dữ liệu lớn (MMBD 2020) này bao gồm các chủ đề bao gồm thu thập và lưu trữ dữ liệu; tìm kiếm, chia sẻ và phân tích; trực quan hóa dữ liệu; thuật toán học máy cho dữ liệu lớn; hệ thống tập tin và cơ sở dữ liệu phân tán; chiến lược quản lý và ra quyết định; hệ thống sản xuất và hậu cần; Tổng quản lý chất lượng; hệ thống quản lý thông tin; kỹ thuật yếu tố con người; và nguồn nhân lực. Cung cấp cái nhìn tổng quan về những phát triển hiện nay trong quản lý hiện đại dựa trên Dữ liệu lớn, cuốn sách sẽ được tất cả những người làm việc trong lĩnh vực này quan tâm.

Cuốn sách tập trung vào cải thiện nhận dạng khuôn mặt trong dữ liệu video giám sát chất lượng thấp, giúp các cơ quan thực thi pháp luật tìm kiếm nhanh và chính xác hơn.

Cuốn sách này nhấn mạnh rằng khả năng thu thập, phân tích và sử dụng lượng lớn dữ liệu kỹ thuật số (người dùng) đặt ra các vấn đề đạo đức quan trọng. Annika Richterich cung cấp một cái nhìn tổng quan đương đại có hệ thống về lĩnh vực nghiên cứu dữ liệu quan trọng phản ánh thực tiễn thu thập và phân tích dữ liệu kỹ thuật số.