Aqui estão alguns livros que são um investimento certeiro para a sua carreira em Ciência de Dados, eles fazem parte da minha prateleira ou são best sellers de autores reconhecidos na área de dados.
Ciência de dados
Mãos à obra aprendizado de máquina com Scikit-Learn, Keras & TensorFlow: conceitos, ferramentas e técnicas para a construção de sistemas inteligentes.
Este livro aborda os principais conceitos, ferramentas e técnicas para que você comece a construir os seus modelos criando uma base sólida, boas práticas e com bastante mão na massa. Ele começa com uma introdução sólida aos fundamentos do aprendizado de máquina, utilizando Scikit-Learn e Pandas para manipulação de dados e criação de modelos básicos. Em seguida, avança para tópicos mais complexos, como deep learning, com ênfase na API Keras, que facilita a criação e treinamento de redes neurais profundas.
Com uma abordagem hands-on, o livro é repleto de exemplos práticos e exercícios, tornando-o ideal tanto para iniciantes que desejam construir uma base sólida quanto para profissionais que buscam aprofundar seus conhecimentos em aprendizado de máquina.
Recomendado para:
- Estudantes e profissionais de ciência de dados e IA
- Desenvolvedores que desejam aplicar aprendizado de máquina e deep learning em projetos reais
- Entusiastas que buscam uma abordagem prática e atualizada das principais ferramentas do mercado
MLOps
Projetando Sistemas de Machine Learning – Chip Huyen
Este livro oferece uma abordagem prática e holística para projetar sistemas de machine learning (ML) que sejam confiáveis, escaláveis e adaptáveis às mudanças de requisitos de negócios. Chip Huyen explora desde a engenharia de dados e a escolha de métricas adequadas até a automação de processos como desenvolvimento, avaliação, deploy e atualização contínua de modelos. Você aprenderá a criar sistemas robustos, com foco em monitoramento para identificar e resolver problemas rapidamente em ambientes de produção.
Além disso, o livro aborda a arquitetura de plataformas de ML que atendem a diversos casos de uso, garantindo flexibilidade e eficiência. Um capítulo especial é dedicado ao desenvolvimento de sistemas responsáveis de ML, destacando a importância da ética e da transparência na construção de soluções de inteligência artificial. Ideal para engenheiros e profissionais de ML, este livro é um guia essencial para quem busca criar sistemas inteligentes que não apenas funcionam, mas também evoluem com as necessidades do negócio.
Recomendado para:
- Engenheiros de ML e profissionais que desejam projetar sistemas escaláveis e confiáveis
- Desenvolvedores interessados em boas práticas de deploy, monitoramento e atualização de modelos.
- Quem busca entender os desafios éticos e técnicos na construção de sistemas de ML responsáveis.
Estatística e Probabilidade
Estatística Prática Para Cientistas de Dados: 50 Conceitos Essenciais
Este livro é um guia prático e direto para cientistas de dados que desejam aplicar métodos estatísticos de forma eficaz e evitar erros comuns. Com foco em 50 conceitos essenciais, o autor oferece uma perspectiva estatística aprofundada, muitas vezes negligenciada em recursos tradicionais de ciência de dados. O leitor aprenderá a importância da análise exploratória de dados, técnicas de amostragem aleatória para reduzir vieses e princípios de design experimental para obter respostas confiáveis.
Além disso, o livro aborda métodos estatísticos fundamentais, como regressão para estimativa de resultados e detecção de anomalias, técnicas de classificação para previsão de categorias e métodos de aprendizado de máquina estatístico. Também explora abordagens não supervisionadas para extrair insights de dados não rotulados. Ideal para quem busca fortalecer sua base estatística, este livro é um recurso valioso para aplicar técnicas estatísticas de maneira correta e eficiente em projetos de ciência de dados.
Recomendado para:
- Cientistas de dados que desejam aprofundar seu conhecimento estatístico.
- Profissionais que buscam evitar erros comuns no uso de métodos estatísticos.
- Quem precisa de um guia prático para aplicar estatística em análise de dados e machine learning.
