Bazy danych
Practical Data Analysis Cookbook. Over 60 practical recipes on data exploration and analysis
Tomasz Drabas
Data analysis is the process of systematically applying statistical and logical techniques to describe and illustrate, condense and recap, and evaluate data. Its importance has been most visible in the sector of information and communication technologies. It is an employee asset in almost all economy sectors.This book provides a rich set of independent recipes that dive into the world of data analytics and modeling using a variety of approaches, tools, and algorithms. You will learn the basics of data handling and modeling, and will build your skills gradually toward more advanced topics such as simulations, raw text processing, social interactions analysis, and more.First, you will learn some easy-to-follow practical techniques on how to read, write, clean, reformat, explore, and understand your data—arguably the most time-consuming (and the most important) tasks for any data scientist. In the second section, different independent recipes delve into intermediate topics such as classification, clustering, predicting, and more. With the help of these easy-to-follow recipes, you will also learn techniques that can easily be expanded to solve other real-life problems such as building recommendation engines or predictive models. In the third section, you will explore more advanced topics: from the field of graph theory through natural language processing, discrete choice modeling to simulations. You will also get to expand your knowledge on identifying fraud origin with the help of a graph, scrape Internet websites, and classify movies based on their reviews.By the end of this book, you will be able to efficiently use the vast array of tools that the Python environment has to offer.
Chris Seferlis, Christopher Nellis, Andy Roberts
Azure Cognitive Services and OpenAI are a set of pre-built artificial intelligence (AI) solution APIs that can be leveraged from existing applications, allowing customers to take advantage of Microsoft’s award-winning Vision, Speech, Text, Decision, and GPT-4 AI capabilities.With Practical Guide to Azure Cognitive Services, you’ll work through industry-specific examples of implementations to get a head-start in your production journey. You’ll begin with an overview of the categorization of Azure Cognitive Services and the benefits of embracing AI solutions for practical business applications. After that, you’ll explore the benefits of using Azure Cognitive Services to optimize efficiency and improve predictive capabilities. Then, you’ll learn how to leverage Vision capabilities for quality control, Form Recognizer to streamline supply chain nuances, language understanding to improve customer service, and Cognitive Search for next-generation knowledge-mining solutions.By the end of this book, you’ll be able to implement various Cognitive Services solutions that will help you enhance efficiency, reduce costs, and improve the customer experience at your organization. You’ll also be well equipped to automate mundane tasks by reaping the full potential of OpenAI.
Paul Done, Asya Kamsky
Officially endorsed by MongoDB, Inc., Practical MongoDB Aggregations helps you unlock the full potential of the MongoDB aggregation framework, including the latest features of MongoDB 7.0. This book provides practical, easy-to-digest principles and approaches for increasing your effectiveness in developing aggregation pipelines, supported by examples for building pipelines to solve complex data manipulation and analytical tasks.This book is customized for developers, architects, data analysts, data engineers, and data scientists with some familiarity with the aggregation framework. It begins by explaining the framework's architecture and then shows you how to build pipelines optimized for productivity and scale.Given the critical role arrays play in MongoDB's document model, the book delves into best practices for optimally manipulating arrays. The latter part of the book equips you with examples to solve common data processing challenges so you can apply the lessons you've learned to practical situations. By the end of this MongoDB book, you’ll have learned how to utilize the MongoDB aggregation framework to streamline your data analysis and manipulation processes effectively.
Danuta Mendrala, Marcin Szeliga
Wykorzystaj pełnię możliwości baz danych Na czym polega model relacyjny? W jaki sposób pobierać dane z bazy? Jak projektować bazy danych i tabele? Systemy zarządzania bazami danych to aplikacje, które spotkać można praktycznie w każdej firmie. Na rynku dostępnych jest wiele takich narzędzi, różniących się od siebie wydajnością, wymaganiami sprzętowymi, potencjalnymi zastosowaniami i - przede wszystkim -- ceną. Użytkownicy mogą wybierać zarówno wśród rozwiązań komercyjnych, jak i nieustępujących im rozwiązań bezpłatnych. Cechą łączącą wszystkie systemy zarządzania bazami danych jest język, na którym opiera się praca z nimi - SQL. To ustandaryzowany zbiór poleceń pozwalających na niemal dowolne manipulacje danymi zgromadzonymi w bazach, tworzenie nowych baz oraz administrowanie serwerami baz danych. Bez jego znajomości wykorzystanie pełni możliwości bazy danych jest praktycznie niemożliwe. "Praktyczny kurs SQL" to książka, dzięki której poznasz ten język. Czytając ją, dowiesz się, czym jest relacyjność w bazach danych, jak skonstruowane są takie bazy i czym są postaci normalne. Nauczysz się pobierać dane w oparciu o różne kryteria, przetwarzać uzyskane wyniki i wyświetlać je na ekranie w odpowiedni sposób. Poznasz funkcje pozwalające na modyfikację istniejących i dodawanie nowych danych, zastosujesz zapytania złożone i podzapytania oraz wykorzystasz mechanizmy transakcji. Przeczytasz także o projektowaniu baz danych oraz definiowaniu i nadawaniu uprawnień do korzystania z nich. Modele baz danych Postaci normalne w modelu relacyjnym Historia języka SQL Pobieranie danych za pomocą instrukcji SELECT Dobór kryteriów wybierania Przetwarzanie wyników zapytań Zapytania złożone i podzapytania Transakcje Modyfikowanie i dodawanie danych Projektowanie baz danych Uprawnienia Uzupełnieniem do książki jest udostępniona tutaj baza danych. Poznaj w praktyce język będący podstawą wszystkich nowoczesnych systemów zarządzania bazami danych.
Praktyczny kurs SQL. Wydanie II
Danuta Mendrala, Marcin Szeliga
Poznaj modele baz danych i standardy języka SQL. Naucz się korzystać z instrukcji pobierania i modyfikacji danych. Dowiedz się, jak tworzyć i zmieniać strukturę bazy oraz zarządzać jej użytkownikami. Opanuj język SQL w praktyce! Bazy danych są dosłownie wszędzie. Trudno sobie dziś bez nich wyobrazić funkcjonowanie nowoczesnej biblioteki, choćby najmniejszego sklepu internetowego, biura rachunkowego czy nawet niewielkiego serwisu WWW. Użytkownicy korzystający z baz danych często nie mają nawet pojęcia, w jaki sposób odbywa się dostęp do informacji i jaki mechanizm jest za to odpowiedzialny. Na ignorancję tę nie mogą sobie jednak pozwolić osoby odpowiedzialne za tworzenie, zarządzanie i konserwowanie baz danych. Powinny one znać przynajmniej jeden z popularnych serwerów bazodanowych i sprawnie posługiwać się językiem SQL stanowiącym standardowe narzędzie komunikacji z relacyjnymi bazami. Jeśli pragniesz dołączyć do ekskluzywnego grona administratorów baz danych lub chcesz zostać programistą aplikacji bazodanowych, lecz przeszkadza Ci brak znajomości SQL-a, sięgnij po książkę "Praktyczny kurs SQL. Wydanie II". W prosty i przystępny sposób prezentuje ona podstawowe pojęcia i zasady rządzące relacyjnym modelem baz danych, a także najważniejsze cechy i konstrukcje języka SQL oraz metody ich wykorzystywania. Lektura książki umożliwi Ci poznanie instrukcji odpowiedzialnych za odczytywanie danych z bazy i ich zapisywanie oraz modyfikację, jak również tworzenie baz i zmianę ich struktury. Poznasz też sposoby tworzenia ról i kont użytkowników oraz zarządzania ich uprawnieniami. Twoją wiedzę ugruntują praktyczne zadania kończące każdy rozdział, a zamieszczone na końcu książki rozwiązania pomogą skorygować ewentualne błędy. Teoretyczne podstawy funkcjonowania baz danych Historia języka SQL i obowiązujące standardy zapytań Odczytywanie, przeszukiwanie, łączenie i grupowanie danych Korzystanie z podzapytań Zapisywanie, modyfikacja i usuwanie danych Transakcje i równoległy dostęp do danych Tworzenie baz danych i modyfikacja ich struktury Korzystanie z widoków i indeksów Zarządzanie użytkownikami, rolami i prawami dostępu do baz danych Dowiedz się, jak tworzyć relacyjną bazę danych i zarządzać nią za pomocą języka SQL.
Praktyczny kurs SQL. Wydanie III
Danuta Mendrala, Marcin Szeliga
Ziemia do bazy: nadaję komunikat w języku SQL! Pobieranie i modyfikowanie informacji, czyli jak porozumieć się z relacyjną bazą danych Tworzenie baz danych, czyli jak wcielić w życie własną koncepcję centrum informacji Uprawnienia użytkowników, czyli kto i po co może korzystać z Twojej bazy danych SQL to dziś właściwie jedyny poważny język używany do tworzenia i obsługi relacyjnych baz danych, niezależnie od tego, czy są to bazy Microsoftu, Oracle czy Sun Microsystems. I choć nie wszędzie działa dokładnie tak samo, bez jego znajomości nie ma co marzyć o swobodnym korzystaniu z bazy, nie mówiąc już o jej stworzeniu. Jeśli więc taka baza jest Ci potrzebna, jeśli chcesz zorientować się, jak ułożyć dane w sposób najwygodniejszy dla siebie albo precyzyjnie wysegregować to, czego akurat szukasz, musisz opanować SQL - inaczej serwer bazodanowy nijak Cię nie zrozumie. Trzecie wydanie tej książki traktuje o języku SQL w wersji dla SQL Server firmy Microsoft. Autorzy szybko przeprowadzą Cię od instalacji serwera bazodanowego, przez najróżniejsze operacje na przykładowej, niewielkiej bazie AdventureWorksLT, aż po kwestie związane z tworzeniem własnej bazy i nadawaniem uprawnień jej użytkownikom. Ponadto znajdziesz tu ważne (i nowe!) informacje o partycjonowaniu danych i wydajności zapytań. Bezcennym wsparciem w trakcie nauki będą dla Ciebie zadania - ich rozwiązanie pozwoli Ci poczuć się pewniej i sprawdzić swoje wiadomości w praktyce. Jeśli chcesz rozpocząć swoją przygodę z bazami danych albo odświeżyć swoje informacje, trafiłeś doskonale! Trochę teorii, czyli modele baz danych i standardy języka SQL Odczytywanie danych z wybranej tabeli Wybieranie i grupowanie wierszy Łączenie tabel i wyników zapytań Partycjonowanie wierszy oraz funkcje rankingu, analityczne i okienkowe Podzapytania i wydajność zapytań Transakcje i współbieżność Bazy danych i tabele Widoki i indeksy Nadawanie i odbieranie uprawnień Stwórz bazę na bazie języka SQL!
Sinan Ozdemir
Principles of Data Science bridges mathematics, programming, and business analysis, empowering you to confidently pose and address complex data questions and construct effective machine learning pipelines. This book will equip you with the tools to transform abstract concepts and raw statistics into actionable insights.Starting with cleaning and preparation, you’ll explore effective data mining strategies and techniques before moving on to building a holistic picture of how every piece of the data science puzzle fits together. Throughout the book, you’ll discover statistical models with which you can control and navigate even the densest or the sparsest of datasets and learn how to create powerful visualizations that communicate the stories hidden in your data.With a focus on application, this edition covers advanced transfer learning and pre-trained models for NLP and vision tasks. You’ll get to grips with advanced techniques for mitigating algorithmic bias in data as well as models and addressing model and data drift. Finally, you’ll explore medium-level data governance, including data provenance, privacy, and deletion request handling.By the end of this data science book, you'll have learned the fundamentals of computational mathematics and statistics, all while navigating the intricacies of modern ML and large pre-trained models like GPT and BERT.
Principles of Data Science. Mathematical techniques and theory to succeed in data-driven industries
Sinan Ozdemir
Need to turn your skills at programming into effective data science skills? Principles of Data Science is created to help you join the dots between mathematics, programming, and business analysis. With this book, you’ll feel confident about asking—and answering—complex and sophisticated questions of your data to move from abstract and raw statistics to actionable ideas.With a unique approach that bridges the gap between mathematics and computer science, this books takes you through the entire data science pipeline. Beginning with cleaning and preparing data, and effective data mining strategies and techniques, you’ll move on to build a comprehensive picture of how every piece of the data science puzzle fits together. Learn the fundamentals of computational mathematics and statistics, as well as some pseudocode being used today by data scientists and analysts. You’ll get to grips with machine learning, discover the statistical models that help you take control and navigate even the densest datasets, and find out how to create powerful visualizations that communicate what your data means.
Sinan Ozdemir, Sunil Kakade, Marco Tibaldeschi
Need to turn programming skills into effective data science skills? This book helps you connect mathematics, programming, and business analysis. You’ll feel confident asking—and answering—complex, sophisticated questions of your data, making abstract and raw statistics into actionable ideas.Going through the data science pipeline, you'll clean and prepare data and learn effective data mining strategies and techniques to gain a comprehensive view of how the data science puzzle fits together. You’ll learn fundamentals of computational mathematics and statistics and pseudo-code used by data scientists and analysts. You’ll learn machine learning, discovering statistical models that help control and navigate even the densest datasets, and learn powerful visualizations that communicate what your data means.
Tomasz Palczewski, Jaejun (Brandon) Lee, Lenin Mookiah
Machine learning engineers, deep learning specialists, and data engineers encounter various problems when moving deep learning models to a production environment. The main objective of this book is to close the gap between theory and applications by providing a thorough explanation of how to transform various models for deployment and efficiently distribute them with a full understanding of the alternatives.First, you will learn how to construct complex deep learning models in PyTorch and TensorFlow. Next, you will acquire the knowledge you need to transform your models from one framework to the other and learn how to tailor them for specific requirements that deployment environments introduce. The book also provides concrete implementations and associated methodologies that will help you apply the knowledge you gain right away. You will get hands-on experience with commonly used deep learning frameworks and popular cloud services designed for data analytics at scale. Additionally, you will get to grips with the authors’ collective knowledge of deploying hundreds of AI-based services at a large scale.By the end of this book, you will have understood how to convert a model developed for proof of concept into a production-ready application optimized for a particular production setting.
Elizabeth Noble
Projektuj i pisz prosty i wydajny kod T-SQL w środowisku SQL Server 2019 i późniejszych. Tworzenie kodu T-SQL, wydajnie zwracającego właściwe wyniki może stanowić wyzwanie. Książka ta pomoże w tworzeniu takiego kodu, który działa szybko i jest łatwy w utrzymaniu. Dowiesz się również, jak implementować kontrolę wersji, testowanie i strategie wdrożenia. Przykłady i ćwiczenia do samodzielnego wykonania pokazują nowoczesne praktyki T-SQL wraz z jednoznacznymi wyjaśnieniami. Uwaga skupiona jest na wyborze właściwych typów danych i obiektów przy projektowaniu rozwiązań. Autorka Elizabeth Noble pokazuje, jak usprawnić wydajność kodu T-SQL dzięki stosowaniu dobrych praktyk projektowych, które ułatwiają pracę programistów i ostatecznie zapewniają korzyści użytkownikom aplikacji. Poznasz również typowe pułapki związane z tworzeniem kodu T-SQL i sposoby unikania ich w codziennej pracy. Czego się nauczysz: - Wybierania właściwych typów danych i obiektów bazodanowych przy projektowaniu rozwiązań T-SQL - Pisania kodu T-SQL, który wydajnie przeszukuje dane i efektywnie wykorzystuje dostępny sprzęt - Implementowania kontroli wersji i metod testowania w celu uporządkowania procesu wdrażania - Projektowania kodu T-SQL, który można usprawniać lub modyfikować mniejszym wysiłkiem - Planowania długoterminowego zarządzania i przechowywania danych Dla kogo jest ta książka: Dla deweloperów baz danych, chcących podnieść wydajność swoich aplikacji oraz wszystkich tych, którzy mierzą się ze złożonym zapytaniami i problemami.
Elizabeth Noble
Projektuj i pisz prosty i wydajny kod T-SQL w środowisku SQL Server 2019 i późniejszych. Tworzenie kodu T-SQL, wydajnie zwracającego właściwe wyniki może stanowić wyzwanie. Książka ta pomoże w tworzeniu takiego kodu, który działa szybko i jest łatwy w utrzymaniu. Dowiesz się również, jak implementować kontrolę wersji, testowanie i strategie wdrożenia. Przykłady i ćwiczenia do samodzielnego wykonania pokazują nowoczesne praktyki T-SQL wraz z jednoznacznymi wyjaśnieniami. Uwaga skupiona jest na wyborze właściwych typów danych i obiektów przy projektowaniu rozwiązań. Autorka Elizabeth Noble pokazuje, jak usprawnić wydajność kodu T-SQL dzięki stosowaniu dobrych praktyk projektowych, które ułatwiają pracę programistów i ostatecznie zapewniają korzyści użytkownikom aplikacji. Poznasz również typowe pułapki związane z tworzeniem kodu T-SQL i sposoby unikania ich w codziennej pracy. Czego się nauczysz: - Wybierania właściwych typów danych i obiektów bazodanowych przy projektowaniu rozwiązań T-SQL - Pisania kodu T-SQL, który wydajnie przeszukuje dane i efektywnie wykorzystuje dostępny sprzęt - Implementowania kontroli wersji i metod testowania w celu uporządkowania procesu wdrażania - Projektowania kodu T-SQL, który można usprawniać lub modyfikować mniejszym wysiłkiem - Planowania długoterminowego zarządzania i przechowywania danych Dla kogo jest ta książka: Dla deweloperów baz danych, chcących podnieść wydajność swoich aplikacji oraz wszystkich tych, którzy mierzą się ze złożonym zapytaniami i problemami.
Programowanie dla początkujących w 24 godziny. Wydanie IV
Greg Perry, Dean Miller
Warto nauczyć się programowania! Poza stworzeniem sobie możliwości znalezienia ciekawej i dobrze płatnej pracy czy pasjonującego hobby umiejętność programowania bywa niezwykle przydatna w rozwiązywaniu różnych problemów. Paleta języków programowania i narzędzi programistycznych jest niezwykle szeroka i praktycznie każdy znajdzie coś dla siebie. Zanim to jednak nastąpi, trzeba zdobyć trochę wiedzy i umiejętności. Ale bez obaw! W nauce programowania najtrudniejszy bywa pierwszy krok, jednak ta książka sprawi, że wykonasz go bez trudu i dumnie wkroczysz w świat kodowania! To kolejne wydanie lubianego samouczka, dzięki któremu w ramach 24 godzinnych lekcji przyswoisz solidne podstawy programowania. Zrozumiesz, jak działają programy, i nauczysz się reguł stosowanych przez profesjonalistów przy ich projektowaniu. Dowiesz się, jak wygląda świat programistów i na czym dokładnie polega programowanie w korporacjach. Znajdziesz tutaj także wprowadzenie do kilku najpopularniejszych języków programowania, co pozwoli na ich porównanie i ułatwi wybór języka do dalszej nauki. Każdy z 24 rozdziałów zawiera materiał, który można opanować w ciągu godziny. Naukę ułatwiają instrukcje krok po kroku, quizy, ćwiczenia i praktyczne przykłady. Dzięki tej książce zdobędziesz najlepsze podstawy, aby stać się dobrym programistą. Przygotujesz się też do świadomego kształtowania swojej dalszej ścieżki zawodowej! W książce między innymi: przygotowanie narzędzi do pracy - sprzęt i oprogramowanie podstawowe aspekty programowania i projektowania programów algorytmy, interaktywność, zmienne, funkcje debugowanie kodu programowanie obiektowe i korzystanie z baz danych planowanie kariery programisty Zacznij programować. Najlepiej od razu!
Programowanie Microsoft SQL Server 2008 Tom 1 i 2. Pakiet
Leonard Lobel, Andrew J. Brust, Stephen Forte
Kompleksowe studium kluczowych funkcji SQL Server 2008 pomaga w rozwinięciu umiejętności programistycznych. Przedstawia nowe podstawowe możliwości oraz praktyczne wskazówki i użyteczne przykłady kodu opracowane przez doświadczonych programistów. To obowiązkowa lektura dla programistów Microsoft .NET oraz SQL Server wykorzystujących dostęp do danych na poziomie bazy danych, logiki biznesowej lub prezentacji. Dowiedz się, jak • Wykonywać kwerendy na złożonych danych przy użyciu efektywnych rozszerzeń Transact-SQL • Wykorzystywać nowe funkcje nierelacyjne: tabele hierarchiczne, natywne przesyłanie strumieniowe plików oraz możliwości geoprzestrzenne • Eksploatować dane XML w bazie danych w celu budowania aplikacji obsługujących format XML • Przetwarzać i dostarczać dane przy użyciu technologii Microsoft LINQ, Entity Framework oraz wiązania danych • Implementować szyfrowanie na poziomie bazy danych oraz inspekcje serwera • Budować i utrzymywać hurtownie danych • Wykorzystywać usługi Microsoft Excel® do budowania frontonów kostek OLAP oraz kwerend MDX do ich przetwarzania • Szybko i efektywnie integrować mechanizm wiązania danych z aplikacjami
Programowanie Microsoft SQL Server 2012
Brust Andrew, Lobel Leonard G.
Niezbędny przewodnik po programowych funkcjach Microsoft SQL Server 2012 Podnieś swoje umiejętności programowania baz danych na nowy poziom, pozwalający na tworzenie własnych aplikacji przy użyciu narzędzi programistycznych dostarczanych wraz z serwerem SQL Server 2012. Ten podręcznik pokazuje, w jaki sposób projektować, testować i wdrażać bazy danych SQL Server 2012, dostarczając wielu praktycznych wskazówek, rzeczywistych zastosowań i przykładowych kodów źródłowych. To obowiązkowa lektura dla każdego doświadczonego programisty SQL Server, pragnącego poznać sposoby projektowania i tworzenia efektywnych aplikacji dla SQL Server 2012. Dowiedz się jak: Tworzyć i wdrażać bazy danych przy użyciu środowiska IDE pakietu SQL Server Data Tools Odpytywać i manipulować złożonymi zbiorami danych przy użyciu potężnych rozszerzeń języka Transact-SQL Korzystać z funkcjonalności nierelacyjnych, takich jak natywna obsługa strumieni plikowych i typy danych geoprzestrzennych Pobierać dane przy użyciu technologii Microsoft ADO.NET, LINQ oraz Entity Framework Dostarczać dane za pomocą usług WCF (Windows Communication Foundation) Data Services oraz WCF RIA Services Przenosić posiadane bazy do chmury opartej na platformie Windows Azure SQL Database Tworzyć aplikacje mobilne dla systemu Windows Phone korzystające z chmury oraz usługi synchronizacji danych SQL Data Sync Korzystać ze składników logiki biznesowej serwera SQL Server, obejmujących między innymi technologie przetwarzania w pamięci xVelocity
Programowanie serwera Oracle 11g SQL i PL/SQL
Adam Pelikant
Twórz przejrzyste bazy danych i właściwie przetwarzaj informacje Podstawy -- organizacja serwera, instalacja bazy danych i końcówki klienta Język SQL -- tworzenie różnych rodzajów zapytań, funkcjonalności dodatkowe Język PL/SQL -- procedury, funkcje, dynamiczny SQL Bazy danych Oracle od lat stanowią najlepszą alternatywę dla wszystkich tych, którzy potrzebują funkcjonalnych i pojemnych struktur przechowywania danych, wyposażonych dodatkowo w możliwość wszechstronnego przeszukiwania i zestawiania potrzebnych informacji. Jednak podstawowa wiedza na temat środowiska Oracle nie wystarczy, aby zaprojektować naprawdę przejrzystą, prostą w obsłudze bazę. Do tego potrzebna jest solidna wiedza, którą znajdziesz właśnie w tym podręczniku. "Programowanie serwera Oracle 11g SQL i PL/SQL " to kontynuacja książki Adama Pelikanta "Bazy danych. Pierwsze starcie", a poruszane w niej zagadnienia są bardziej zaawansowane, choć przy odrobinie samozaparcia także nowicjusz w tej dziedzinie będzie w stanie przyswoić sobie zawartą tu praktyczną wiedzę. Oprócz organizacji serwera, instalacji bazy danych i składni języka SQL szczegółowo omówione są tutaj różne rodzaje zapytań w tym języku (prostych i złożonych), a także funkcje rozszerzenia proceduralnego PL/SQL. W książce opisano także zastosowanie Javy do tworzenia oprogramowania po stronie serwera oraz funkcje analityczne, stanowiące wstęp do przetwarzania OLAP. Całość uzupełniono praktycznymi przykładami, obrazującymi działanie poszczególnych konstrukcji i procedur. Organizacja serwera Instalacja bazy i końcówki klienta Zapytania wybierające, modyfikujące dane i tworzące tabele Dodatkowe funkcjonalności SQL Procedury składowane i wyzwalane Funkcje w PL/SQL Pakiety, kursory, transakcje Dynamiczny SQL Zastosowanie Javy do tworzenia oprogramowania po stronie serwera Elementy administracji -- zarządzanie uprawnieniami z poziomu SQL Obiektowość w Oracle Wydajna, bezpieczna i prosta w obsłudze -- zaprojektuj doskonałą bazę danych!
Programowanie serwera Oracle 11g SQL i PL/SQL
Adam Pelikant
Twórz przejrzyste bazy danych i właściwie przetwarzaj informacje Podstawy -- organizacja serwera, instalacja bazy danych i końcówki klienta Język SQL -- tworzenie różnych rodzajów zapytań, funkcjonalności dodatkowe Język PL/SQL -- procedury, funkcje, dynamiczny SQL Bazy danych Oracle od lat stanowią najlepszą alternatywę dla wszystkich tych, którzy potrzebują funkcjonalnych i pojemnych struktur przechowywania danych, wyposażonych dodatkowo w możliwość wszechstronnego przeszukiwania i zestawiania potrzebnych informacji. Jednak podstawowa wiedza na temat środowiska Oracle nie wystarczy, aby zaprojektować naprawdę przejrzystą, prostą w obsłudze bazę. Do tego potrzebna jest solidna wiedza, którą znajdziesz właśnie w tym podręczniku. "Programowanie serwera Oracle 11g SQL i PL/SQL " to kontynuacja książki Adama Pelikanta "Bazy danych. Pierwsze starcie", a poruszane w niej zagadnienia są bardziej zaawansowane, choć przy odrobinie samozaparcia także nowicjusz w tej dziedzinie będzie w stanie przyswoić sobie zawartą tu praktyczną wiedzę. Oprócz organizacji serwera, instalacji bazy danych i składni języka SQL szczegółowo omówione są tutaj różne rodzaje zapytań w tym języku (prostych i złożonych), a także funkcje rozszerzenia proceduralnego PL/SQL. W książce opisano także zastosowanie Javy do tworzenia oprogramowania po stronie serwera oraz funkcje analityczne, stanowiące wstęp do przetwarzania OLAP. Całość uzupełniono praktycznymi przykładami, obrazującymi działanie poszczególnych konstrukcji i procedur. Organizacja serwera Instalacja bazy i końcówki klienta Zapytania wybierające, modyfikujące dane i tworzące tabele Dodatkowe funkcjonalności SQL Procedury składowane i wyzwalane Funkcje w PL/SQL Pakiety, kursory, transakcje Dynamiczny SQL Zastosowanie Javy do tworzenia oprogramowania po stronie serwera Elementy administracji -- zarządzanie uprawnieniami z poziomu SQL Obiektowość w Oracle Wydajna, bezpieczna i prosta w obsłudze -- zaprojektuj doskonałą bazę danych!
Projektowanie baz danych dla każdego. Przewodnik krok po kroku
Michael J. Hernandez
Praktyczny przewodnik dla projektantów baz danych! Dzisiejszy świat opiera się na bazach danych. Są one sercem każdego przedsięwzięcia, począwszy od działalności banku, a na zakupach internetowych skończywszy. Ich projektowanie wymaga nie lada kunsztu, a drobny błąd może doprowadzić do nieoczekiwanych konsekwencji. Dlatego od projektantów baz danych wymaga się ogromnej wiedzy i dokładności, a doświadczenie w tej dziedzinie zdobywa się latami. Dzięki tej książce będziesz w stanie zgłębić tajniki budowy baz danych, podane w przejrzysty, przystępny i rozsądny sposób. W trakcie lektury poznasz rodzaje baz, ich dostępne modele oraz cel ich projektowania. Kolejne rozdziały dotyczą procesu projektowania nowej bazy oraz analizowania baz istniejących. Ponadto dowiesz się z nich, jak istotne jest właściwe określenie kluczy i relacji oraz nałożenie więzów integralności. Szczególną uwagę powinieneś zwrócić na rozdział poświęcony najczęściej popełnianym błędom - jego dokładna lektura pozwoli Ci uniknąć wielu problemów. Książka ta jest obowiązkową lekturą dla wszystkich osób mających styczność z bazami danych w codziennej pracy. Dzięki tej książce: poznasz rodzaje baz danych zorganizujesz proces projektowania bazy nauczysz się analizować strukturę istniejącej bazy unikniesz pułapek poznasz tajniki baz danych Wiedza dotycząca baz danych w pigułce!
Projektowanie baz danych dla każdego. Przewodnik krok po kroku. Wydanie IV
Michael J. Hernandez
Mimo upływu lat relacyjne bazy danych wciąż mają się świetnie! Z każdym rokiem stają się coraz doskonalsze i radzą sobie z coraz większymi zbiorami danych. Wciąż jednak podstawą dobrej aplikacji bazodanowej jest dobry projekt samej bazy. Wielu osobom projektowanie poprawnych struktur bazodanowych wydaje się czymś z pogranicza wyższej matematyki i czarnej magii. Tymczasem zdobycie tej umiejętności jest możliwe bez lat studiowania skomplikowanych teorii matematycznych. Wystarczy przyswoić kluczowe podstawy i nauczyć się korzystać z kilku zdroworozsądkowych koncepcji i teorii. Ta książka jest rocznicowym, przejrzanym i zaktualizowanym wydaniem kultowego podręcznika do samodzielnej nauki projektowania relacyjnych baz danych. Zawarte w nim informacje można wykorzystywać niezależnie od zastosowanego oprogramowania. Przedstawiono tu, jak projektować nowoczesne bazy danych, które mają poprawną strukturę, są niezawodne i ułatwiają wprowadzanie zmian. Opisano wszystkie etapy projektowania: od planowania po definiowanie tabel, pól, kluczy, relacji między tabelami, reguł biznesowych i widoków. Dodatkowo znajdziemy tu praktyczne techniki zwiększania integralności danych, omówienie często popełnianych błędów i wskazówki, kiedy warto łamać zasady. Treść przewodnika wzbogacają pytania kontrolne i rysunki, które bardzo pomagają w jej skutecznym opanowaniu. W książce: typy baz danych, modele i cele projektowe tworzenie tabel i relacji, specyfikacje pól i widoki poziomy integralności danych tworzenie reguł biznesowych perspektywy relacyjnych baz danych Nie ma dobrej bazy danych bez dobrego projektu!
Prywatność danych w praktyce. Skuteczna ochrona prywatności i bezpieczeństwa danych
Katharine Jarmul
Chyba nikogo nie trzeba przekonywać, że ochrona danych i zabezpieczenie prywatności są kwestiami absolutnie kluczowymi w cyfrowym świecie. Na szczęście zdajemy sobie coraz lepiej sprawę, że incydenty naruszeń w dziedzinie bezpieczeństwa danych mogą nas narazić na realne szkody. Z drugiej strony niedopełnienie obowiązków wynikających z RODO okazuje się dla organizacji niezwykle kosztowne, a także naraża na szwank ich wizerunek. Zapewnienie należytej ochrony danych to wymagające wyzwanie. Z tego względu inżynieria prywatności z roku na rok staje się coraz ważniejszą dziedziną. Książka w przystępny sposób przedstawia głęboką perspektywę techniczną wraz z przeglądem najnowszych podejść i architektur technologicznych. Emily F. Gorcenski, główna analityczka danych, Thoughtworks Tę książkę docenią osoby, które w ramach codziennej pracy integrują tematy związane z prywatnością i bezpieczeństwem danych. To przewodnik dla pragmatyków, zapewniający gruntowną wiedzę o współczesnych elementach ochrony danych, takich jak prywatność różnicowa, uczenie federacyjne i obliczenia szyfrowane. Znajdziesz tu przydatne wskazówki, jak również najlepsze, wielokrotnie sprawdzone praktyki integracji przełomowych technologii, pozwalające skutecznie i na wysokim poziomie dbać o prywatność i bezpieczeństwo danych. Najważniejsze zagadnienia: Jak przepisy (RODO i CCPA) mają się do przepływów danych i przypadków ich użycia? Jak właściwie anonimizować dane? Czy szyfrowanie homomorficzne jest właściwym rozwiązaniem? Jak wybierać technologie i metody ochrony prywatności? Jak zapewnić bezpieczeństwo danych w projektach opartych na ich analizie? Jak odpowiednio wdrożyć wewnętrzne zasady ochrony prywatności danych? Wreszcie znalazłem książkę, którą mogę polecać wszystkim unikającym tematu prywatności danych! Vincent Warmerdam, twórca Calm Code, inżynier uczenia maszynowego, Explosion
Przewodnik po MongoDB. Wydajna i skalowalna baza danych. Wydanie III
Shannon Bradshaw, Eoin Brazil, Kristina Chodorow
MongoDB jest wieloplatformowym, nierelacyjnym systemem do obsługi baz danych, napisanym w języku C++. Nie przypomina ściśle ustrukturyzowanych relacyjnych baz danych, zamiast tego korzysta z dokumentów w formacie BSON. Ułatwia to bardziej naturalne przetwarzanie informacji w aplikacjach, oczywiście przy zachowaniu możliwości tworzenia hierarchii oraz indeksowania. W ten sposób cały system zyskuje na wydajności, co jest szczególnie istotne przy przetwarzaniu bardzo dużych zbiorów danych. MongoDB umożliwia stosowanie elastycznych modeli danych, uzyskiwanie wysokiego poziomu dostępności i poziome skalowanie. Ten praktyczny przewodnik jest przeznaczony dla użytkowników bazy MongoDB w wersji 4.2. W przystępny i konkretny sposób opisuje zalety stosowania dokumentowych baz danych, równocześnie wskazuje zaawansowane metody konfiguracji systemu oraz możliwe zastosowania w różnych projektach. Książka zainteresuje zarówno użytkowników i administratorów MongoDB, jak i programistów tworzących złożone aplikacje. Przedstawia kwestie tworzenia zapytań, indeksów, agregacji, transakcji, zbiorów replik, zarządzania systemem, shardingu i administrowania danymi, trwałości danych, monitorowania systemu oraz jego zabezpieczenia. Znalazło się tu także wprowadzenie do pracy z MongoDB, omówiono też zasady pracy z klastrem shardów oraz administrowania aplikacją i serwerem bazy MongoDB. W książce między innymi: ogólne zasady pracy z MongoDB operacje zapisu i wyszukiwania oraz tworzenie złożonych zapytań indeksy w kolekcjach, agregowanie danych i transakcje lokalny zbiór replik i korzystanie z replikacji konfiguracja elementów klastra monitorowanie systemu, kopie bezpieczeństwa i odtwarzanie bazy MongoDB MongoDB - przekonaj się na własnym systemie!
Python Data Analysis Cookbook. Clean, scrape, analyze, and visualize data with the power of Python!
Ivan Idris
Data analysis is a rapidly evolving field and Python is a multi-paradigm programming language suitable for object-oriented application development and functional design patterns. As Python offers a range of tools and libraries for all purposes, it has slowly evolved as the primary language for data science, including topics on: data analysis, visualization, and machine learning.Python Data Analysis Cookbook focuses on reproducibility and creating production-ready systems. You will start with recipes that set the foundation for data analysis with libraries such as matplotlib, NumPy, and pandas. You will learn to create visualizations by choosing color maps and palettes then dive into statistical data analysis using distribution algorithms and correlations. You’ll then help you find your way around different data and numerical problems, get to grips with Spark and HDFS, and then set up migration scripts for web mining.In this book, you will dive deeper into recipes on spectral analysis, smoothing, and bootstrapping methods. Moving on, you will learn to rank stocks and check market efficiency, then work with metrics and clusters. You will achieve parallelism to improve system performance by using multiple threads and speeding up your code.By the end of the book, you will be capable of handling various data analysis techniques in Python and devising solutions for problem scenarios.
Martin Czygan, Phuong Vo.T.H, Ashish Kumar, Kirthi...
You will start the course with an introduction to the principles of data analysis and supported libraries, along with NumPy basics for statistics and data processing. Next, you will overview the Pandas package and use its powerful features to solve data-processing problems. Moving on, you will get a brief overview of the Matplotlib API .Next, you will learn to manipulate time and data structures, and load and store data in a file or database using Python packages. You will learn how to apply powerful packages in Python to process raw data into pure and helpful data using examples. You will also get a brief overview of machine learning algorithms, that is, applying data analysis results to make decisions or building helpful products such as recommendations and predictions using Scikit-learn. After this, you will move on to a data analytics specialization—predictive analytics. Social media and IOT have resulted in an avalanche of data. You will get started with predictive analytics using Python. You will see how to create predictive models from data. You will get balanced information on statistical and mathematical concepts, and implement them in Python using libraries such as Pandas, scikit-learn, and NumPy. You’ll learn more about the best predictive modeling algorithms such as Linear Regression, Decision Tree, and Logistic Regression. Finally, you will master best practices in predictive modeling.After this, you will get all the practical guidance you need to help you on the journey to effective data visualization. Starting with a chapter on data frameworks, which explains the transformation of data into information and eventually knowledge, this path subsequently cover the complete visualization process using the most popular Python libraries with working examplesThis Learning Path combines some of the best that Packt has to offer in one complete, curated package. It includes content from the following Packt products:? Getting Started with Python Data Analysis, Phuong Vo.T.H &Martin Czygan•Learning Predictive Analytics with Python, Ashish Kumar•Mastering Python Data Visualization, Kirthi Raman
Python Data Science Essentials. Learn the fundamentals of Data Science with Python - Second Edition
Alberto Boschetti, Luca Massaron
Fully expanded and upgraded, the second edition of Python Data Science Essentials takes you through all you need to know to suceed in data science using Python. Get modern insight into the core of Python data, including the latest versions of Jupyter notebooks, NumPy, pandas and scikit-learn. Look beyond the fundamentals with beautiful data visualizations with Seaborn and ggplot, web development with Bottle, and even the new frontiers of deep learning with Theano and TensorFlow. Dive into building your essential Python 3.5 data science toolbox, using a single-source approach that will allow to to work with Python 2.7 as well. Get to grips fast with data munging and preprocessing, and all the techniques you need to load, analyse, and process your data. Finally, get a complete overview of principal machine learning algorithms, graph analysis techniques, and all the visualization and deployment instruments that make it easier to present your results to an audience of both data science experts and business users.
Soledad Galli
Feature engineering, the process of transforming variables and creating features, albeit time-consuming, ensures that your machine learning models perform seamlessly. This second edition of Python Feature Engineering Cookbook will take the struggle out of feature engineering by showing you how to use open source Python libraries to accelerate the process via a plethora of practical, hands-on recipes.This updated edition begins by addressing fundamental data challenges such as missing data and categorical values, before moving on to strategies for dealing with skewed distributions and outliers. The concluding chapters show you how to develop new features from various types of data, including text, time series, and relational databases. With the help of numerous open source Python libraries, you'll learn how to implement each feature engineering method in a performant, reproducible, and elegant manner.By the end of this Python book, you will have the tools and expertise needed to confidently build end-to-end and reproducible feature engineering pipelines that can be deployed into production.
Prateek Joshi
Machine learning is becoming increasingly pervasive in the modern data-driven world. It is used extensively across many fields such as search engines, robotics, self-driving cars, and more. With this book, you will learn how to perform various machine learning tasks in different environments. We’ll start by exploring a range of real-life scenarios where machine learning can be used, and look at various building blocks. Throughout the book, you’ll use a wide variety of machine learning algorithms to solve real-world problems and use Python to implement these algorithms. You’ll discover how to deal with various types of data and explore the differences between machine learning paradigms such as supervised and unsupervised learning. We also cover a range of regression techniques, classification algorithms, predictive modeling, data visualization techniques, recommendation engines, and more with the help of real-world examples.