Thomas Nield Libros

To succeed in data science you need some math proficiency. But not just any math. This common-sense guide provides a clear, plain English survey of the math you'll need in data science, including probability, statistics, hypothesis testing, linear algebra, machine learning, and calculus. Practical examples with Python code will help you see how the math applies to the work you'll be doing, providing a clear understanding of how concepts work under the hood while connecting them to applications like machine learning. You'll get a solid foundation in the math essential for data science, but more importantly, you'll be able to use it to: Recognize the nuances and pitfalls of probability math Master statistics and hypothesis testing (and avoid common pitfalls) Discover practical applications of probability, statistics, calculus, and machine learning Intuitively understand linear algebra as a transformation of space, not just grids of numbers being multiplied and added Perform calculus derivatives and integrals completely from scratch in Python Apply what you've learned to machine learning, including linear regression, logistic regression, and neural networks

Businesses are gathering data today at exponential rates and yet few people know how to access it meaningfully. If you're a business or IT professional, this short hands-on guide teaches you how to pull and transform data with SQL in significant ways.

This high-quality reprint preserves the original 1897 edition of The Temple Harp, offering readers an authentic experience of the text as it was first published. The book maintains its historical significance and aesthetic, making it a valuable addition for collectors and enthusiasts of classic literature.

Exploring the principles of reactive programming, this book provides a comprehensive guide to using Java and ReactiveX for building responsive, resilient applications. It covers key concepts such as observables, subscribers, and operators, enabling developers to handle asynchronous data streams effectively. Through practical examples and real-world scenarios, readers will learn to implement reactive patterns to enhance their software's performance and maintainability, making it an essential resource for modern Java developers.

This book presents a faithful reprint of the 1890 edition, exploring the life and legacy of Oliver Cromwell, who served as Lord Protector of England. It delves into his political strategies, leadership during the English Civil War, and his impact on the nation's history. The text offers valuable insights into Cromwell's character and the tumultuous era he navigated, making it a significant resource for those interested in English history and the complexities of its governance.

Set in 1658, the play delves into Oliver Cromwell's final year, highlighting his struggle to maintain authority in a fractured England. It intricately portrays his relationships with family, friends, and political allies, alongside the influence of his religious beliefs on leadership decisions. Nield presents Cromwell as a multifaceted character, grappling with personal freedom versus national duty. The drama also addresses significant political and social issues of the era, including the dynamics of parliament and the conflicts between Catholics and Protestants, offering a vivid exploration of a pivotal historical moment.

This reprint preserves the original 1888 edition, offering readers a chance to explore its themes of unity and faith. The work delves into the concept of human brotherhood, emphasizing the interconnectedness of humanity and the importance of spiritual beliefs. It serves as a historical reflection on the values of compassion and solidarity, making it a significant read for those interested in philosophical and theological discussions.

Dzisiejsze firmy gromadzą ogromne ilości danych. Dane te jednak mogą przynieść wymierną korzyść jedynie wtedy, gdy są w odpowiedni sposób przechowywane, należycie zabezpieczone i jeśli się umie z nich skorzystać. Bywa, że przeszukiwanie dużych zbiorów danych i odnajdywanie w nich potrzebnych informacji czy ich przetworzenie staje się nie lada wyzwaniem. Wtedy, gdy poczciwy arkusz Excela staje się niewystarczający, doskonale sprawdzają się relacyjne bazy danych, które najczęściej można obsłużyć za pomocą instrukcji pisanych w języku SQL.Wielu osobom nauka języka SQL może przysparzać problemów. Trzymasz w ręku świetnie napisany podręcznik, który ułatwi Ci to zadanie! Przewodnik przedstawia praktyczne sposoby wykorzystania języka SQL bez zagłębiania się w techniczne szczegóły jego działania. Najwięcej miejsca poświęcono na ćwiczenia z rzeczywistymi bazami danych. Książka ta pomaga nie tylko w uzyskaniu praktycznej wiedzy o pracy z bazami danych, ale także o ich wykorzystywaniu do rozwiązywania problemów biznesowych.Thomas Nield — programista i analityk o wieloletnim doświadczeniu. Obecnie zajmuje się rozwijaniem oprogramowania dla biznesu w firmie Southwest Airlines. Specjalista w zakresie programowania reaktywnego, programowania w językach Java i Kotlin, a także oprogramowania dla biznesu do realizacji zadań strategicznych. Autor wielu popularnych artykułów i uczestnik licznych projektów programistycznych.

Frischen Sie Ihre Mathematik-Kenntnisse für Datenanalysen, Machine Learning und Neuronale Netze auf! Dieses Buch richtet sich an angehende und fortgeschrittene Data Scientists sowie Programmierer*innen, die sich die mathematischen Grundlagen der Data Science aneignen möchten. Es ist besonders gut nachvollziehbar durch minimale mathematische Fachterminologie, praxisnahe Beispiele und zahlreiche Abbildungen. Mit Übungen und Lösungen können Sie das Gelernte vertiefen. Um als Data Scientist erfolgreich zu sein, ist ein solides mathematisches Grundwissen unerlässlich. Der Autor führt Sie Schritt für Schritt durch Infinitesimalrechnung, Wahrscheinlichkeit, lineare Algebra, Statistik und Hypothesentests und zeigt, wie diese Grundlagen in der linearen und logistischen Regression sowie in neuronalen Netzen eingesetzt werden. Sie verwenden Python-Code und Bibliotheken wie SymPy, NumPy und scikit-learn, um grundlegende mathematische Konzepte zu erkunden. Verstehen Sie Techniken wie lineare und logistische Regression und neuronale Netze durch klare Erklärungen. Wenden Sie deskriptive Statistik und Hypothesentests an, um p-Werte und statistische Signifikanz zu interpretieren. Vertiefen Sie Ihre Kenntnisse in Infinitesimal- und Wahrscheinlichkeitsrechnung sowie Statistik und linearer Algebra und lernen Sie, gängige Fehler zu vermeiden, um auf dem Data-Science-Arbeitsmarkt zu überzeugen.