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.
- Fundamentos do aprendizado de máquina usando a Scikit-Learn e Pandas
- Detecção de objetos, segmentação semântica, mecanismos de atenção, modelos de linguagem, GANs
- Deep Learning com Keras API, a API oficial de alto nível da TensorFlow 2
- Produção de modelos TensorFlow usando a Data API, API de estratégias de distribuição, TF Transform e TF-Serving
- Implementação no Google Cloud AI Platform ou em dispositivos móveis
- Técnicas de aprendizado não supervisionado, como redução de dimensionalidade, clusterização
- Crie agentes de aprendizagem autônomos por meio do aprendizado por reforço com a biblioteca TF-Agents
MLOps
Projetando Sistemas de Machine Learning – Chip Huyen
Neste livro, você aprenderá uma abordagem holística para projetar sistemas de ML que sejam confiáveis, escaláveis, de fácil manutenção e adaptáveis a ambientes em constante mudança e requisitos de negócios.
Este livro o ajudará a lidar com os seguintes cenários:
- Engenharia de dados e escolha das métricas adequadas para resolver problemas de negócios
- Automatizar o processo para desenvolver, avaliar, fazer deploy e atualizar continuamente modelos
- Desenvolver um sistema de monitoramento para detectar e resolver depressa os problemas que seus modelos podem encontrar em produção
- Arquitetar uma plataforma de ML que atende a todos os casos de uso
- Desenvolvimento de sistemas responsáveis de ML
Estatística e Probabilidade
Estatística Prática Para Cientistas de Dados: 50 Conceitos Essenciais
Este guia prático explica como aplicar diversos métodos estatísticos em ciência de dados, ensina a evitar seu mau uso e aconselha sobre o que é importante e o que não é.
Muitos recursos da ciência de dados incorporam métodos estatísticos, mas carecem de uma perspectiva estatística aprofundada.
Com este livro, você aprenderá:
- Por que a análise exploratória de dados é um passo prévio importante na ciência de dados
- Como a amostragem aleatória pode reduzir o viés e resultar um conjunto de dados de maior qualidade, mesmo em big data
- Como os princípios do design experimental resultam respostas definitivas
- Como usar regressão para estimar resultados e detectar anomalias
- Principais técnicas de classificação para prever a quais categorias um registro pertence
- Métodos de aprendizado de máquina estatístico que “aprendem” com os dados
- Métodos de aprendizado não supervisionado para extração de significado de dados não rotulados.
