Biznes IT

Azure Data Engineer Associate Certification Guide. Ace the DP-203 exam with advanced data engineering skills - Second Edition

Giacinto Palmieri, Surendra Mettapalli, Newton Alex

One of the top global cloud providers, Azure offers extensive data hosting and processing services, driving widespread cloud adoption and creating a high demand for skilled data engineers. The Azure Data Engineer Associate (DP-203) certification is a vital credential, demonstrating your proficiency as an Azure data engineer to prospective employers. This comprehensive exam guide is designed for both beginners and seasoned professionals, aligned with the latest DP-203 certification exam, to help you pass the exam on your first try.The book provides a foundational understanding of IaaS, PaaS, and SaaS, starting with core concepts like virtual machines (VMs), VNETS, and App Services and progressing to advanced topics such as data storage, processing, and security. What sets this exam guide apart is its hands-on approach, seamlessly integrating theory with practice through real-world examples, practical exercises, and insights into Azure's evolving ecosystem. Additionally, you'll unlock lifetime access to supplementary practice material on an online platform, including mock exams, interactive flashcards, and exam tips, ensuring a comprehensive exam prep experience.By the end of this book, you’ll not only be ready to excel in the DP-203 exam, but also be equipped to tackle complex challenges as an Azure data engineer.

Azure Data Scientist Associate Certification Guide. A hands-on guide to machine learning in Azure and passing the Microsoft Certified DP-100 exam

Andreas Botsikas , Michael Hlobil

The Azure Data Scientist Associate Certification Guide helps you acquire practical knowledge for machine learning experimentation on Azure. It covers everything you need to pass the DP-100 exam and become a certified Azure Data Scientist Associate.Starting with an introduction to data science, you'll learn the terminology that will be used throughout the book and then move on to the Azure Machine Learning (Azure ML) workspace. You'll discover the studio interface and manage various components, such as data stores and compute clusters.Next, the book focuses on no-code and low-code experimentation, and shows you how to use the Automated ML wizard to locate and deploy optimal models for your dataset. You'll also learn how to run end-to-end data science experiments using the designer provided in Azure ML Studio.You'll then explore the Azure ML Software Development Kit (SDK) for Python and advance to creating experiments and publishing models using code. The book also guides you in optimizing your model's hyperparameters using Hyperdrive before demonstrating how to use responsible AI tools to interpret and debug your models. Once you have a trained model, you'll learn to operationalize it for batch or real-time inferences and monitor it in production.By the end of this Azure certification study guide, you'll have gained the knowledge and the practical skills required to pass the DP-100 exam.

Badanie danych. Raport z pierwszej linii działań

Rachel Schutt, Cathy O'Neil

Unikalne wprowadzenie do nauki o danych! W dzisiejszych czasach najcenniejszym dobrem jest informacja. Ogromne ilości danych są przechowywane w przepastnych bazach danych, a kluczem do sukcesu jest ich umiejętna analiza i wyciąganie wniosków. To dynamicznie rozwijająca się dziedzina wiedzy, w której do tej pory brakowało solidnych podręczników, pozwalających na dogłębne poznanie tego obszaru. Na szczęście to się zmieniło! To unikalna książka, w której badacze z największych firm branży IT dzielą się skutecznymi technikami analizy danych. Z kolejnych rozdziałów dowiesz się, czym jest nauka o danych, model danych oraz test A/B. Ponadto zdobędziesz wiedzę na temat wnioskowania statystycznego, algorytmów, języka R oraz wizualizacji danych. Sięgnij po tę książkę, jeżeli chcesz się dowiedzieć, jak wykrywać oszustwa, korzystać z MapReduce oraz badać przyczynowość. To obowiązkowa pozycja na półce czytelników zainteresowanych badaniem danych. Wśród tematów poruszonych w książce odnajdziesz: Wnioskowanie statystyczne, eksploracyjną analizę danych i proces (metodologię) nauki o danych Algorytmy Filtry spamu, naiwny algorytm Bayesa i wstępną obróbkę danych Regresję logistyczną Modelowanie finansowe Mechanizmy rekomendacji i przyczynowość Wizualizowanie danych Sieci społecznościowe i dziennikarstwo danych Inżynierię danych, systemy MapReduce, Pregel i Hadoop Wyciągnij wartościowe wnioski z posiadanych informacji!

Badanie danych. Raport z pierwszej linii działań

Rachel Schutt, Cathy O'Neil

Unikalne wprowadzenie do nauki o danych! W dzisiejszych czasach najcenniejszym dobrem jest informacja. Ogromne ilości danych są przechowywane w przepastnych bazach danych, a kluczem do sukcesu jest ich umiejętna analiza i wyciąganie wniosków. To dynamicznie rozwijająca się dziedzina wiedzy, w której do tej pory brakowało solidnych podręczników, pozwalających na dogłębne poznanie tego obszaru. Na szczęście to się zmieniło! To unikalna książka, w której badacze z największych firm branży IT dzielą się skutecznymi technikami analizy danych. Z kolejnych rozdziałów dowiesz się, czym jest nauka o danych, model danych oraz test A/B. Ponadto zdobędziesz wiedzę na temat wnioskowania statystycznego, algorytmów, języka R oraz wizualizacji danych. Sięgnij po tę książkę, jeżeli chcesz się dowiedzieć, jak wykrywać oszustwa, korzystać z MapReduce oraz badać przyczynowość. To obowiązkowa pozycja na półce czytelników zainteresowanych badaniem danych. Wśród tematów poruszonych w książce odnajdziesz: Wnioskowanie statystyczne, eksploracyjną analizę danych i proces (metodologię) nauki o danych Algorytmy Filtry spamu, naiwny algorytm Bayesa i wstępną obróbkę danych Regresję logistyczną Modelowanie finansowe Mechanizmy rekomendacji i przyczynowość Wizualizowanie danych Sieci społecznościowe i dziennikarstwo danych Inżynierię danych, systemy MapReduce, Pregel i Hadoop Wyciągnij wartościowe wnioski z posiadanych informacji!

Badanie danych. Raport z pierwszej linii działań

Rachel Schutt, Cathy O'Neil

Unikalne wprowadzenie do nauki o danych! W dzisiejszych czasach najcenniejszym dobrem jest informacja. Ogromne ilości danych są przechowywane w przepastnych bazach danych, a kluczem do sukcesu jest ich umiejętna analiza i wyciąganie wniosków. To dynamicznie rozwijająca się dziedzina wiedzy, w której do tej pory brakowało solidnych podręczników, pozwalających na dogłębne poznanie tego obszaru. Na szczęście to się zmieniło! To unikalna książka, w której badacze z największych firm branży IT dzielą się skutecznymi technikami analizy danych. Z kolejnych rozdziałów dowiesz się, czym jest nauka o danych, model danych oraz test A/B. Ponadto zdobędziesz wiedzę na temat wnioskowania statystycznego, algorytmów, języka R oraz wizualizacji danych. Sięgnij po tę książkę, jeżeli chcesz się dowiedzieć, jak wykrywać oszustwa, korzystać z MapReduce oraz badać przyczynowość. To obowiązkowa pozycja na półce czytelników zainteresowanych badaniem danych. Wśród tematów poruszonych w książce odnajdziesz: Wnioskowanie statystyczne, eksploracyjną analizę danych i proces (metodologię) nauki o danych Algorytmy Filtry spamu, naiwny algorytm Bayesa i wstępną obróbkę danych Regresję logistyczną Modelowanie finansowe Mechanizmy rekomendacji i przyczynowość Wizualizowanie danych Sieci społecznościowe i dziennikarstwo danych Inżynierię danych, systemy MapReduce, Pregel i Hadoop Wyciągnij wartościowe wnioski z posiadanych informacji!

Bardziej niż Agile. Jak zwiększyć innowacyjność twojego biznesu

Marcin Żmigrodzki

Efektywna innowacyjność w biznesie jest możliwa! Rozwój firm - od startupów do korporacji ― nie jest możliwy bez wprowadzania nowych pomysłów w życie. Jednak wiele z nich po wdrożeniu okazuje się nie przynosić korzyści, bo albo nikt nie chce kupić nowego produktu, albo wprowadzone rozwiązanie techniczne nie dostarcza spodziewanej wartości. Ponad 90 procent startupów bankrutuje, połowa firm, które 20 lat temu były na liście Fortune 500, już nie istnieje i jedną z głównych przyczyn tego stanu rzeczy jest niewystarczająca innowacyjność. Czy zatem skuteczniejszą strategią biznesową byłaby rezygnacja z innowacyjności i pozostanie przy tym, co może nie działa najlepiej, ale przynajmniej jest znane i sprawdzone? A może lepszym wyjściem byłoby generowanie mnóstwa pomysłów w nadziei, że przypadkiem uda się trafić na przełomową ideę? Nie, nie, po trzykroć nie! Biznes, by trwać i generować zyski, musi w dłuższej perspektywie bazować na wdrażaniu nowych idei, aby przynosiły wartość. Tajemnica sukcesu tkwi w tym, by owe idee weryfikować, odrzucać lub modyfikować na odpowiednim etapie, jeszcze zanim firma poniesie na nie duże wydatki. Takie podejście pozwala unikać strat i zarabiać na tych pomysłach, które faktycznie mają szansę odnieść sukces. Jak je wybrać spośród innych? Jak z powodzeniem przeprowadzić projekt eksploracyjny? Jak kontrolować projekt typu discovery, aby podążał za najlepszą opcją działania? Jak maksymalnie szybko uczyć się na doświadczeniach? W jaki sposób można użyć do tego narzędzia Agile? O tym wszystkim w swojej najnowszej książce pisze Marcin Żmigrodzki.

Bash for Data Scientists. A Comprehensive Guide to Shell Scripting for Data Science Tasks

Mercury Learning and Information, Oswald Campesato

This book introduces powerful command line utilities for creating efficient shell scripts to process datasets. Using the bash shell, the examples and scripts focus on small datasets to help readers understand the features of grep, sed, and awk. Companion files with code are available for download from the publisher.The course starts with an introduction to the basics, covering files and directories, and useful commands. It then progresses to conditional logic and loops, providing a solid foundation for processing datasets. Detailed chapters on using grep, sed, and awk illustrate their capabilities in handling and cleaning various types of datasets effectively.Advanced topics include processing datasets with Pandas, exploring NoSQL, SQLite, and Python. The book equips data scientists, analysts, and anyone seeking shell-based solutions with practical skills. By the end, users will be adept at creating robust scripts for dataset processing, combining command line utilities for optimal results.

Bayesian Analysis with Python. A practical guide to probabilistic modeling - Third Edition

Osvaldo Martin, Christopher Fonnesbeck, Thomas Wiecki

The third edition of Bayesian Analysis with Python serves as an introduction to the main concepts of applied Bayesian modeling using PyMC, a state-of-the-art probabilistic programming library, and other libraries that support and facilitate modeling like ArviZ, for exploratory analysis of Bayesian models; Bambi, for flexible and easy hierarchical linear modeling; PreliZ, for prior elicitation; PyMC-BART, for flexible non-parametric regression; and Kulprit, for variable selection.In this updated edition, a brief and conceptual introduction to probability theory enhances your learning journey by introducing new topics like Bayesian additive regression trees (BART), featuring updated examples. Refined explanations, informed by feedback and experience from previous editions, underscore the book's emphasis on Bayesian statistics. You will explore various models, including hierarchical models, generalized linear models for regression and classification, mixture models, Gaussian processes, and BART, using synthetic and real datasets.By the end of this book, you’ll understand probabilistic modeling and be able to design and implement Bayesian models for data science, with a strong foundation for more advanced study.*Email sign-up and proof of purchase required

Bayesian Analysis with Python. Introduction to statistical modeling and probabilistic programming using PyMC3 and ArviZ - Second Edition

Osvaldo Martin, Eric Ma, Austin Rochford

The second edition of Bayesian Analysis with Python is an introduction to the main concepts of applied Bayesian inference and its practical implementation in Python using PyMC3, a state-of-the-art probabilistic programming library, and ArviZ, a new library for exploratory analysis of Bayesian models.The main concepts of Bayesian statistics are covered using a practical and computational approach. Synthetic and real data sets are used to introduce several types of models, such as generalized linear models for regression and classification, mixture models, hierarchical models, and Gaussian processes, among others. By the end of the book, you will have a working knowledge of probabilistic modeling and you will be able to design and implement Bayesian models for your own data science problems. After reading the book you will be better prepared to delve into more advanced material or specialized statistical modeling if you need to.

Bądź Agile. Zwinnie o HR i Employer Brandingu

Olga Żółkiewicz, Marcin Olszewski_, Mateusz Czarnecki

Pierwszy w Polsce kompleksowy przewodnik po Agile HR i EB Agile, zwinność - to terminy, które w pierwszej kolejności kojarzą się z branżą IT. I słusznie. Zwolennicy zwinnego programowania przyjmują, że skoro oczekiwania odbiorcy ewoluują w trakcie pracy nad produktem, jej założenia i metody powinny się do tych zmian adaptować. Firmy z sektora IT od dawna są Agile. Jednak zwinność przydaje się nie tylko specjalistom od kodowania. To podejście do zadań sprawdza się także w HR-ze i employer brandingu. Ważni gracze na rynku, jak telekomunikacja oraz bankowość, stawiają na zwinną transformację swoich działów HR. Czy to oznacza, że Agile jest tylko dla wielkich? Absolutnie nie! Autorzy tego przewodnika udowadniają, że ten sposób pracy z ludźmi w przedsiębiorstwach jest i dla dużych, i dla małych. Tłumaczą, na czym polega zwinność w HR i EB, podają przykłady większych i mniejszych firm działających w tych obszarach zgodnie z Agile. Dzielą się wiedzą o przydatnych narzędziach, podsuwają praktyczne wskazówki i cytują komentarze specjalistów, którzy od dawna pracują w stylu Agile. Wszystko po to, by stworzyć pełny obraz możliwości, jakie daje zwinność w zakresie human resources i employer brandingu.

Bądź Agile. Zwinnie o HR i Employer Brandingu

Olga Żółkiewicz, Marcin Olszewski_, Mateusz Czarnecki

Pierwszy w Polsce kompleksowy przewodnik po Agile HR i EB Agile, zwinność - to terminy, które w pierwszej kolejności kojarzą się z branżą IT. I słusznie. Zwolennicy zwinnego programowania przyjmują, że skoro oczekiwania odbiorcy ewoluują w trakcie pracy nad produktem, jej założenia i metody powinny się do tych zmian adaptować. Firmy z sektora IT od dawna są Agile. Jednak zwinność przydaje się nie tylko specjalistom od kodowania. To podejście do zadań sprawdza się także w HR-ze i employer brandingu. Ważni gracze na rynku, jak telekomunikacja oraz bankowość, stawiają na zwinną transformację swoich działów HR. Czy to oznacza, że Agile jest tylko dla wielkich? Absolutnie nie! Autorzy tego przewodnika udowadniają, że ten sposób pracy z ludźmi w przedsiębiorstwach jest i dla dużych, i dla małych. Tłumaczą, na czym polega zwinność w HR i EB, podają przykłady większych i mniejszych firm działających w tych obszarach zgodnie z Agile. Dzielą się wiedzą o przydatnych narzędziach, podsuwają praktyczne wskazówki i cytują komentarze specjalistów, którzy od dawna pracują w stylu Agile. Wszystko po to, by stworzyć pełny obraz możliwości, jakie daje zwinność w zakresie human resources i employer brandingu.

Bądź Agile. Zwinnie o HR i Employer Brandingu

Olga Żółkiewicz, Marcin Olszewski_, Mateusz Czarnecki

Pierwszy w Polsce kompleksowy przewodnik po Agile HR i EB Agile, zwinność - to terminy, które w pierwszej kolejności kojarzą się z branżą IT. I słusznie. Zwolennicy zwinnego programowania przyjmują, że skoro oczekiwania odbiorcy ewoluują w trakcie pracy nad produktem, jej założenia i metody powinny się do tych zmian adaptować. Firmy z sektora IT od dawna są Agile. Jednak zwinność przydaje się nie tylko specjalistom od kodowania. To podejście do zadań sprawdza się także w HR-ze i employer brandingu. Ważni gracze na rynku, jak telekomunikacja oraz bankowość, stawiają na zwinną transformację swoich działów HR. Czy to oznacza, że Agile jest tylko dla wielkich? Absolutnie nie! Autorzy tego przewodnika udowadniają, że ten sposób pracy z ludźmi w przedsiębiorstwach jest i dla dużych, i dla małych. Tłumaczą, na czym polega zwinność w HR i EB, podają przykłady większych i mniejszych firm działających w tych obszarach zgodnie z Agile. Dzielą się wiedzą o przydatnych narzędziach, podsuwają praktyczne wskazówki i cytują komentarze specjalistów, którzy od dawna pracują w stylu Agile. Wszystko po to, by stworzyć pełny obraz możliwości, jakie daje zwinność w zakresie human resources i employer brandingu.