Mathematical_Statistics_with_Applications_in_R_3rd_Edition_2021.pdf
13.3 MB
📘 Mathematical Statistics with Applications in R 3rd Edition [2021] Kandethody Ramachandran, Chris Tsokos
Mathematical Statistics with Applications in R, Third Edition, offers a modern calculus-based theoretical introduction to mathematical statistics and applications. The book covers many modern statistical computational and simulation concepts that are not covered in other texts, such as the Jackknife, bootstrap methods, the EM algorithms, and Markov chain Monte Carlo (MCMC) methods, such as the Metropolis algorithm, Metropolis-Hastings algorithm and the Gibbs sampler. By combining discussion on the theory of statistics with a wealth of real-world applications, the book helps students to app roach statistical problem-solving in a logical manner. Step-by-step procedure to solve real problems make the topics very accessible.
#математика #статистика #R #анализ_данных #big_data #math
Mathematical Statistics with Applications in R, Third Edition, offers a modern calculus-based theoretical introduction to mathematical statistics and applications. The book covers many modern statistical computational and simulation concepts that are not covered in other texts, such as the Jackknife, bootstrap methods, the EM algorithms, and Markov chain Monte Carlo (MCMC) methods, such as the Metropolis algorithm, Metropolis-Hastings algorithm and the Gibbs sampler. By combining discussion on the theory of statistics with a wealth of real-world applications, the book helps students to app roach statistical problem-solving in a logical manner. Step-by-step procedure to solve real problems make the topics very accessible.
#математика #статистика #R #анализ_данных #big_data #math
Data_Science_from_Scratch_First_Principles_with_Python,_2nd_edition.7z
12.6 MB
📗 Data Science from Scratch: First Principles with Python, 2nd edition [2019] Grus J.
To really learn data science, you should not only master the tools—data science libraries, frameworks, modules, and toolkits—but also understand the ideas and principles underlying them. Updated for Python 3.6, this second edition of Data Science from Scratch shows you how these tools and algorithms work by implementing them from scratch.
If you have an aptitude for mathematics and some programming skills, author Joel Grus will help you get comfortable with the math and statistics at the core of data science, and with the hacking skills you need to get started as a data scientist. Packed with new material on deep learning, statistics, and natural language processing, this updated book shows you how to find the gems in today’s messy glut of data. #python #программирование #анализ_данных #big_data #статистика
To really learn data science, you should not only master the tools—data science libraries, frameworks, modules, and toolkits—but also understand the ideas and principles underlying them. Updated for Python 3.6, this second edition of Data Science from Scratch shows you how these tools and algorithms work by implementing them from scratch.
If you have an aptitude for mathematics and some programming skills, author Joel Grus will help you get comfortable with the math and statistics at the core of data science, and with the hacking skills you need to get started as a data scientist. Packed with new material on deep learning, statistics, and natural language processing, this updated book shows you how to find the gems in today’s messy glut of data. #python #программирование #анализ_данных #big_data #статистика
Язык_R_в_задачах_науки_о_данных_импорт,_подготовка,_обработка,_визуализация.pdf
31.7 MB
📕 Язык R в задачах науки о данных: импорт, подготовка, обработка, визуализация и моделирование данных [2018] Хэдли Уикем, Гарретт Гроулмунд
Овладейте искусством превращения необработанных первичных данных в плодотворные догадки, гипотезы и новые знания с помощью языка R. Эта книга задумана как введение в вычислительную среду R, среду разработки RStudio и библиотеку tidyverse - коллекцию пакетов, совместное использование которых обеспечивает быстроту и легкость анализа данных. Книга ориентирована на читателей, не имеющих предварительного опыта программирования, и предназначена для того, чтобы помочь им в как можно более короткие сроки начать решать задачи науки о данных. Авторы книги познакомят вас со всеми стадиями процесса анализа данных, включая импорт, предварительную подготовку, разведочный анализ и моделирование данных, а также демонстрацию результатов. Прочитав книгу, вы получите цельное представление как о процессе анализа данных в целом, так и об основных инструментах...
#big_data #r #анализ_данных
Овладейте искусством превращения необработанных первичных данных в плодотворные догадки, гипотезы и новые знания с помощью языка R. Эта книга задумана как введение в вычислительную среду R, среду разработки RStudio и библиотеку tidyverse - коллекцию пакетов, совместное использование которых обеспечивает быстроту и легкость анализа данных. Книга ориентирована на читателей, не имеющих предварительного опыта программирования, и предназначена для того, чтобы помочь им в как можно более короткие сроки начать решать задачи науки о данных. Авторы книги познакомят вас со всеми стадиями процесса анализа данных, включая импорт, предварительную подготовку, разведочный анализ и моделирование данных, а также демонстрацию результатов. Прочитав книгу, вы получите цельное представление как о процессе анализа данных в целом, так и об основных инструментах...
#big_data #r #анализ_данных
📕 Google BigQuery. Всё о хранилищах данных, аналитике и машинном обучении [2021] Валиаппа Лакшманан, Джордан Тайджани
💾 Скачать книгу
📙 Google BigQuery: The Definitive Guide: Data Warehousing, Analytics, and Machine Learning at Scale [2020] Valliappa Lakshmanan, Jordan Tigani
#математика #статистика #R #анализ_данных #big_data #math
💾 Скачать книгу
📙 Google BigQuery: The Definitive Guide: Data Warehousing, Analytics, and Machine Learning at Scale [2020] Valliappa Lakshmanan, Jordan Tigani
#математика #статистика #R #анализ_данных #big_data #math
Математика_для_Data_Science_2021_Миронов,_Минеева.zip
44.6 MB
📝 Математика для Data Science [2021] Миронов, Минеева
Разберитесь, как работают технологии машинного обучения, и научитесь пользоваться ими осознанно.
Математика для DS - программа из 3-х курсов, которая поможет:
1. Разобраться в теории
Вы любите доходить до самой сути всего, что делаете. Вам интересно, что стоит за теми алгоритмами, которые вы применяете.
2. Подготовиться к собеседованию
Вы хотите работать в сфере Data Science и боитесь каверзных вопросов на собеседованиях? Не зря боитесь.
3. Читать научные статьи
Статьи по Data Science часто несложные по сути – но без определенной математической базы их сложно читать.
4. Полюбить математику
Мы любим математику и хотим показать вам, как она красива.
👨🏻💻 Официальный сайт образовательной программы: https://stepik.mathfords.ru/
#data_science #наука_о_данных
#big_data #математика #статистика
Разберитесь, как работают технологии машинного обучения, и научитесь пользоваться ими осознанно.
Математика для DS - программа из 3-х курсов, которая поможет:
1. Разобраться в теории
Вы любите доходить до самой сути всего, что делаете. Вам интересно, что стоит за теми алгоритмами, которые вы применяете.
2. Подготовиться к собеседованию
Вы хотите работать в сфере Data Science и боитесь каверзных вопросов на собеседованиях? Не зря боитесь.
3. Читать научные статьи
Статьи по Data Science часто несложные по сути – но без определенной математической базы их сложно читать.
4. Полюбить математику
Мы любим математику и хотим показать вам, как она красива.
👨🏻💻 Официальный сайт образовательной программы: https://stepik.mathfords.ru/
#data_science #наука_о_данных
#big_data #математика #статистика
📘 Алгоритмы Data Science и их практическая реализация на Python [2022] Протодьяконов, Пылов, Садовников
💾 Скачать книгу
💡 Data Science — раздел информатики, изучающий проблемы анализа, обработки и представления данных в цифровой форме. Объединяет методы по обработке данных в условиях больших объёмов и высокого уровня параллелизма, статистические методы, методы интеллектуального анализа данных и приложения искусственного интеллекта для работы с данными, а также методы проектирования и разработки баз данных.
Рассматривается как академическая дисциплина, а с начала 2010-х годов, во многом благодаря популяризации концепции «больших данных», — и как практическая межотраслевая сфера деятельности, притом специализация исследователя данных (англ. data scientist — «учёного по данным») с начала 2010-х годов считается одной из самых привлекательных, высокооплачиваемых и перспективных профессий.
#data_science #big_data #программирование #python #машинное_обучение
💾 Скачать книгу
💡 Data Science — раздел информатики, изучающий проблемы анализа, обработки и представления данных в цифровой форме. Объединяет методы по обработке данных в условиях больших объёмов и высокого уровня параллелизма, статистические методы, методы интеллектуального анализа данных и приложения искусственного интеллекта для работы с данными, а также методы проектирования и разработки баз данных.
Рассматривается как академическая дисциплина, а с начала 2010-х годов, во многом благодаря популяризации концепции «больших данных», — и как практическая межотраслевая сфера деятельности, притом специализация исследователя данных (англ. data scientist — «учёного по данным») с начала 2010-х годов считается одной из самых привлекательных, высокооплачиваемых и перспективных профессий.
#data_science #big_data #программирование #python #машинное_обучение
👨🏻💻 Доброго вечера, господа и дамы! Новинка только для наших подписчиков! Только для ознакомления и личного пользования без распространения.
Новые книги:
📗 Масштабируемые данные. Лучшие шаблоны высоконагруженных архитектур [2022] Стренгхольт
📘 Data Management at Scale: Best Practices for Enterprise Architecture [2020] Piethein Strengholt
📖 Вы можете купить книгу в бумаге! Для наших подписчиков лучшие условия.
-35% по промокоду: PHYSICS MATH CODE
💡 Подробности тут
😊 Для тех, кто захочет пожертвовать на покупку новых книг:
ЮMoney:
Новые книги:
📗 Масштабируемые данные. Лучшие шаблоны высоконагруженных архитектур [2022] Стренгхольт
📘 Data Management at Scale: Best Practices for Enterprise Architecture [2020] Piethein Strengholt
📖 Вы можете купить книгу в бумаге! Для наших подписчиков лучшие условия.
-35% по промокоду: PHYSICS MATH CODE
💡 Подробности тут
😊 Для тех, кто захочет пожертвовать на покупку новых книг:
ЮMoney:
410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206
#складчина #архитектура #алгоритмы #программирование #распределенные_вычисления #web #big_data📗 Руководство по подготовке к Data Science интервью [2021] Ренат Алимбеков
💾 Скачать книгу
Наука о данных (data science) — раздел информатики, изучающий проблемы анализа, обработки и представления данных в цифровой форме. Объединяет методы по обработке данных в условиях больших объёмов и высокого уровня параллелизма, статистические методы, методы интеллектуального анализа данных и приложения искусственного интеллекта для работы с данными, а также методы проектирования и разработки баз данных.
Рассматривается как академическая дисциплина, а с начала 2010-х годов, во многом благодаря популяризации концепции «больших данных», — и как практическая межотраслевая сфера деятельности, притом специализация исследователя данных (англ. data scientist — «учёного по данным») с начала 2010-х годов считается одной из самых привлекательных, высокооплачиваемых и перспективных профессий.
#data_science #big_data #программирование #python #машинное_обучение
💾 Скачать книгу
Наука о данных (data science) — раздел информатики, изучающий проблемы анализа, обработки и представления данных в цифровой форме. Объединяет методы по обработке данных в условиях больших объёмов и высокого уровня параллелизма, статистические методы, методы интеллектуального анализа данных и приложения искусственного интеллекта для работы с данными, а также методы проектирования и разработки баз данных.
Рассматривается как академическая дисциплина, а с начала 2010-х годов, во многом благодаря популяризации концепции «больших данных», — и как практическая межотраслевая сфера деятельности, притом специализация исследователя данных (англ. data scientist — «учёного по данным») с начала 2010-х годов считается одной из самых привлекательных, высокооплачиваемых и перспективных профессий.
#data_science #big_data #программирование #python #машинное_обучение
📕 Mastering MongoDB 6.x: Expert techniques to run high-volume and fault-tolerant database solutions using MongoDB 6.x, 3rd Edition 3rd ed. Edition
[2022] Alex Giamas
📄 MongoDB — документоориентированная система управления базами данных, не требующая описания схемы таблиц. Считается одним из классических примеров NoSQL-систем, использует JSON-подобные документы и схему базы данных. Написана на языке C++. Применяется в веб-разработке, в частности, в рамках JavaScript-ориентированного стека MEAN.
💾 Скачать книгу
📜 What you will learn
▪️ Understand data modeling and schema design, including smart indexing
▪️ Master querying data using aggregation
▪️ Use distributed transactions, replication and sharding for better results
▪️ Administer your database using backups and monitoring tools
▪️ Secure your cluster with the best checklists and advice
▪️ Master MongoDB Atlas, Search, Charts, Serverless, Realm, Compass, Cloud Manager and other tools offered in the cloud or on premises
▪️ Integrate MongoDB with other big data sources
▪️ Design and deploy MongoDB in mobile, IoT and serverless environments
👨💻 Who this book is for
This book is for MongoDB developers and database administrators who want to learn how to model their data using MongoDB in depth, for both greenfield and existing projects. An understanding of MongoDB, shell command skills and basic database design concepts is required to get the most out of this book.
#mongodb #БД #базы_данных #анализ_данных #big_data #программирование
[2022] Alex Giamas
📄 MongoDB — документоориентированная система управления базами данных, не требующая описания схемы таблиц. Считается одним из классических примеров NoSQL-систем, использует JSON-подобные документы и схему базы данных. Написана на языке C++. Применяется в веб-разработке, в частности, в рамках JavaScript-ориентированного стека MEAN.
💾 Скачать книгу
📜 What you will learn
▪️ Understand data modeling and schema design, including smart indexing
▪️ Master querying data using aggregation
▪️ Use distributed transactions, replication and sharding for better results
▪️ Administer your database using backups and monitoring tools
▪️ Secure your cluster with the best checklists and advice
▪️ Master MongoDB Atlas, Search, Charts, Serverless, Realm, Compass, Cloud Manager and other tools offered in the cloud or on premises
▪️ Integrate MongoDB with other big data sources
▪️ Design and deploy MongoDB in mobile, IoT and serverless environments
👨💻 Who this book is for
This book is for MongoDB developers and database administrators who want to learn how to model their data using MongoDB in depth, for both greenfield and existing projects. An understanding of MongoDB, shell command skills and basic database design concepts is required to get the most out of this book.
#mongodb #БД #базы_данных #анализ_данных #big_data #программирование
Основы_Python_для_Data_Science_2023_RU+EN_Берман_Кеннеди.zip
33.1 MB
📒 Основы Python для Data Science [2023] Берман Кеннеди
Python — язык программирования №1 для машинного обучения и Data Science. Но как же сложно решить, с чего начать изучение Python, ведь у него огромный инструментарий! Кеннеди Берман фокусируется на тех навыках программирования, которые понадобятся вам для решения задач в области Data Science и машинного обучения. Вы познакомитесь с блокнотами Jupyter — лучшей средой для профессиональной работы с данными. Затем перейдете к ключевым библиотекам, которые упрощают процесс математических вычислений, визуализации, решение задач машинного обучения и обработки естественного языка. Затем, овладев основами, вы перейдете к продвинутым техникам, позволяющим решать более сложные задачи.
📕 Foundational Python for Data Science [2021] Kennedy R. Behrman
Data science and machine learning―two of the world’s hottest fields―are attracting talent from a wide variety of technical, business, and liberal arts disciplines. Python, the world's #1 programming language, is also the most popular language for data science and machine learning. This is the first guide specifically designed to help millions of people with widely diverse backgrounds learn Python so they can use it for data science and machine learning. Leading data science instructor and practitioner Kennedy Behrman first walks through the process of learning to code for the first time with Python and Jupyter notebook, then introduces key libraries every Python data science programmer needs to master. Once you've learned these foundations, Behrman introduces intermediate and applied Python techniques for real-world problem-solving. Throughout, Foundational Python for Data Science presents hands-on exercises, learning assessments, case studies, and more―all created with Colab (Jupyter compatible) notebooks, so you can execute all coding examples interactively without installing or configuring any software.
#python #computer_science #программирование #big_data
Python — язык программирования №1 для машинного обучения и Data Science. Но как же сложно решить, с чего начать изучение Python, ведь у него огромный инструментарий! Кеннеди Берман фокусируется на тех навыках программирования, которые понадобятся вам для решения задач в области Data Science и машинного обучения. Вы познакомитесь с блокнотами Jupyter — лучшей средой для профессиональной работы с данными. Затем перейдете к ключевым библиотекам, которые упрощают процесс математических вычислений, визуализации, решение задач машинного обучения и обработки естественного языка. Затем, овладев основами, вы перейдете к продвинутым техникам, позволяющим решать более сложные задачи.
📕 Foundational Python for Data Science [2021] Kennedy R. Behrman
Data science and machine learning―two of the world’s hottest fields―are attracting talent from a wide variety of technical, business, and liberal arts disciplines. Python, the world's #1 programming language, is also the most popular language for data science and machine learning. This is the first guide specifically designed to help millions of people with widely diverse backgrounds learn Python so they can use it for data science and machine learning. Leading data science instructor and practitioner Kennedy Behrman first walks through the process of learning to code for the first time with Python and Jupyter notebook, then introduces key libraries every Python data science programmer needs to master. Once you've learned these foundations, Behrman introduces intermediate and applied Python techniques for real-world problem-solving. Throughout, Foundational Python for Data Science presents hands-on exercises, learning assessments, case studies, and more―all created with Colab (Jupyter compatible) notebooks, so you can execute all coding examples interactively without installing or configuring any software.
#python #computer_science #программирование #big_data
📕 Data Engineering with Python: Work with massive datasets to design data models and automate data pipelines using Python [2020] Paul Crickard
💾 Скачать книгу
Книга покажет вам, как решать проблемы, с которыми обычно сталкиваются в различных аспектах разработки данных. Вы начнете с ознакомления с основами разработки данных, а также с технологиями и фреймворками, необходимыми для построения конвейеров данных для работы с большими наборами данных. Вы узнаете, как преобразовывать и очищать данные, а также выполнять аналитику, чтобы получить максимальную отдачу от ваших данных. По мере продвижения вы узнаете, как работать с большими данными различной сложности и производственными базами данных, а также создавать конвейеры передачи данных. Используя реальные примеры, вы создадите архитектуры, на которых узнаете, как развертывать конвейеры передачи данных.
К концу этой книги по Python вы получите четкое представление о методах моделирования данных и сможете уверенно создавать конвейеры разработки данных для отслеживания данных, проведения проверок качества и внесения необходимых изменений в производство.
Эта книга предназначена для аналитиков данных, разработчиков ETL и всех, кто хочет начать работу в области разработки данных или перейти в нее, а также освежить свои знания в области разработки данных с использованием Python. Эта книга также будет полезна студентам, планирующим построить карьеру в области разработки данных, или ИТ-специалистам, готовящимся к переходу. Никаких предварительных знаний в области обработки данных не требуется. #Python #анализ_данных #data_science #big_data
💾 Скачать книгу
Книга покажет вам, как решать проблемы, с которыми обычно сталкиваются в различных аспектах разработки данных. Вы начнете с ознакомления с основами разработки данных, а также с технологиями и фреймворками, необходимыми для построения конвейеров данных для работы с большими наборами данных. Вы узнаете, как преобразовывать и очищать данные, а также выполнять аналитику, чтобы получить максимальную отдачу от ваших данных. По мере продвижения вы узнаете, как работать с большими данными различной сложности и производственными базами данных, а также создавать конвейеры передачи данных. Используя реальные примеры, вы создадите архитектуры, на которых узнаете, как развертывать конвейеры передачи данных.
К концу этой книги по Python вы получите четкое представление о методах моделирования данных и сможете уверенно создавать конвейеры разработки данных для отслеживания данных, проведения проверок качества и внесения необходимых изменений в производство.
Эта книга предназначена для аналитиков данных, разработчиков ETL и всех, кто хочет начать работу в области разработки данных или перейти в нее, а также освежить свои знания в области разработки данных с использованием Python. Эта книга также будет полезна студентам, планирующим построить карьеру в области разработки данных, или ИТ-специалистам, готовящимся к переходу. Никаких предварительных знаний в области обработки данных не требуется. #Python #анализ_данных #data_science #big_data
Data_Engineering_with_Python_Work_with_massive_datasets_to_design.pdf
10.5 MB
📙 Data Engineering with Python: Work with massive datasets to design data models and automate data pipelines using Python [2020] Paul Crickard
Build, monitor, and manage real-time data pipelines to create data engineering infrastructure efficiently using open-source Apache projects.
Become well-versed in data architectures, data preparation, and data optimization skills with the help of practical examplesDesign data models and learn how to extract, transform, and load (ETL) data using PythonSchedule, automate, and monitor complex data pipelines in production.
Data engineering provides the foundation for data science and analytics, and forms an important part of all businesses. This book will help you to explore various tools and methods that are used for understanding the data engineering process using Python.
The book will show you how to tackle challenges commonly faced in different aspects of data engineering. You'll start with an introduction to the basics of data engineering, along with the technologies and frameworks required to build data pipelines to work with large datasets. You'll learn how to transform and clean data and perform analytics to get the most out of your data. As you advance, you'll discover how to work with big data of varying complexity and production databases, and build data pipelines. Using real-world examples, you'll build architectures on which you'll learn how to deploy data pipelines.
By the end of this Python book, you'll have gained a clear understanding of data modeling techniques, and will be able to confidently build data engineering pipelines for tracking data, running quality checks, and making necessary changes in production.
This book is for data analysts, ETL developers, and anyone looking to get started with or transition to the field of data engineering or refresh their knowledge of data engineering using Python.
#Python #анализ_данных #data_science #big_data
Build, monitor, and manage real-time data pipelines to create data engineering infrastructure efficiently using open-source Apache projects.
Become well-versed in data architectures, data preparation, and data optimization skills with the help of practical examplesDesign data models and learn how to extract, transform, and load (ETL) data using PythonSchedule, automate, and monitor complex data pipelines in production.
Data engineering provides the foundation for data science and analytics, and forms an important part of all businesses. This book will help you to explore various tools and methods that are used for understanding the data engineering process using Python.
The book will show you how to tackle challenges commonly faced in different aspects of data engineering. You'll start with an introduction to the basics of data engineering, along with the technologies and frameworks required to build data pipelines to work with large datasets. You'll learn how to transform and clean data and perform analytics to get the most out of your data. As you advance, you'll discover how to work with big data of varying complexity and production databases, and build data pipelines. Using real-world examples, you'll build architectures on which you'll learn how to deploy data pipelines.
By the end of this Python book, you'll have gained a clear understanding of data modeling techniques, and will be able to confidently build data engineering pipelines for tracking data, running quality checks, and making necessary changes in production.
This book is for data analysts, ETL developers, and anyone looking to get started with or transition to the field of data engineering or refresh their knowledge of data engineering using Python.
#Python #анализ_данных #data_science #big_data
👨🏻💻 По просьбам камрадов запускаем складчину на новую книгу по алгоритмам 📖
Тематика книги: Доступное и прекрасно иллюстрированное введение в вероятностные дисковые структуры данных и алгоритмы . Нужно собрать 1600 руб. Как только соберем, то приобретем книгу и выложим.
Новая книга: 📘 Алгоритмы и структуры для массивных наборов данных [2023] Меджедович Дж., Тахирович Э.
(в архив будет добавлена также EN-версия книги)
💡 Как всегда, книга будет предоставлена Вам только для ознакомления и личного пользования без распространения.
Для тех, кто захочет пожертвовать на покупку этой книги:
Карта ВТБ:
Карта Сбербанк:
ЮMoney (яндекс.деньги):
Тематика книги: Доступное и прекрасно иллюстрированное введение в вероятностные дисковые структуры данных и алгоритмы . Нужно собрать 1600 руб. Как только соберем, то приобретем книгу и выложим.
Новая книга: 📘 Алгоритмы и структуры для массивных наборов данных [2023] Меджедович Дж., Тахирович Э.
(в архив будет добавлена также EN-версия книги)
💡 Как всегда, книга будет предоставлена Вам только для ознакомления и личного пользования без распространения.
Для тех, кто захочет пожертвовать на покупку этой книги:
Карта ВТБ:
4272290768112195 ( СБП: +79616572047 )Карта Сбербанк:
2202200638175206 ( СБП: +79026552832 )ЮMoney (яндекс.деньги):
410012169999048
#складчина #алгоритмы #big_data #программирование #python #R #структуры_данных📘 Алгоритмы и структуры для массивных наборов данных [2023] Меджедович Дж., Тахирович Э.
📗 Algorithms and Data Structures for Massive Datasets [2022] Dzejla Medjedovic, Emin Tahirovic
⚠️ Книги предоставляется вам для ознакомления и не для распространения
💳 Купить книгу
💾 Ознакомиться с книгами RU+EN
Джейла Меджедович защитила докторскую диссертацию в лаборатории прикладных алгоритмов Университета Стоуни Брук, Нью-Йорк. Эмин Тахирович защитил докторскую диссертацию по биостатистике в Пенсильванском университете. Иллюстратор Инес Дедович защитила докторскую диссертацию в Институте визуализации и компьютерного зрения при Университете Аахена, Германия. #складчина #алгоритмы #big_data #программирование #python #R #структуры_данных
💡 Physics.Math.Code
📗 Algorithms and Data Structures for Massive Datasets [2022] Dzejla Medjedovic, Emin Tahirovic
⚠️ Книги предоставляется вам для ознакомления и не для распространения
💳 Купить книгу
💾 Ознакомиться с книгами RU+EN
Джейла Меджедович защитила докторскую диссертацию в лаборатории прикладных алгоритмов Университета Стоуни Брук, Нью-Йорк. Эмин Тахирович защитил докторскую диссертацию по биостатистике в Пенсильванском университете. Иллюстратор Инес Дедович защитила докторскую диссертацию в Институте визуализации и компьютерного зрения при Университете Аахена, Германия. #складчина #алгоритмы #big_data #программирование #python #R #структуры_данных
💡 Physics.Math.Code