Честно говоря, назначение книги непонятно вообще, галопом по европам какое-то — по питону/sql/mapreduce все равно надо будет знакомиться с нормальными источниками, по статистике/мл все безумно поверхностно и рукомахательно, тут надо понимать одну вещь: без минимального математического бекграунда (подразумевается хотя бы собирательный курс т.н. "высшей математики" в объеме обычной инженерной/экономической/etc. специальности — базовый линал, дифференциально и интегральное исчисление, базовый тервер) такие штуки все равно не схватишь, а если какой-то минимальный бекграунд есть, то надо открывать более солидные книжки "для самых маленьких" — Introduction to Statistical Learning например, или Mathematics for Machine Learning, если хочется освежить некоторые (довольно рандомные) темы из математики, ну а дальше уже по всей классике. И для минимального подъема статистики тоже какие-нибудь пиндосские книжки с упором на first course in и практическое применение. Эта же книжка судя по фоткам учит буквально запускать модели из sklearn и рукомахательно их объясняет, это плохо, потому что дает токмо иллюзию понимания. Алсо перевод местами режет глаз, видно что переводчик не знаком с общепринятым переводом дсной терминологии на русский язык (переподгонка лол).
это все если че не снобизм, а совет перекатывающимся в область: если вы хотите, то будьте готовы к тому, что на собесах (по крайней мере поначалу) будут спрашивать и формулы, и задавать вопросы на вполне конкретное понимание математики, и в принципе ваше дальнейшее развитие предполагает вашу готовность и способность читать вполне себе научные статьи, поэтому сначала освежайте математику, а потом сразу выкидывайте книжки, где нет формул и все объясняется водяным текстом аля "ну вот у нас тут гиперплоскость максимизирует расстояние но ее может и не существовать"
потому что дает токмо иллюзию пониманияДля вкатывальщиков самое то. Большинство испугается уже на этом этапе. Для преодолевших это станет хорошей отправной точкой со всеми нужными buzzword'ами, которые уже можно дальше гуглить и искать источники посолиднее.
Честно говоря, назначение книги непонятно вообще, галопом по европам какое-то — по питону/sql/mapreduce все равно надо будет знакомиться с нормальными источниками, по статистике/мл все безумно поверхностно и рукомахательно, тут надо понимать одну вещь: без минимального математического бекграунда (подразумевается хотя бы собирательный курс т.н. "высшей математики" в объеме обычной инженерной/экономической/etc. специальности — базовый линал, дифференциально и интегральное исчисление, базовый тервер) такие штуки все равно не схватишь, а если какой-то минимальный бекграунд есть, то надо открывать более солидные книжки "для самых маленьких" — Introduction to Statistical Learning например, или Mathematics for Machine Learning, если хочется освежить некоторые (довольно рандомные) темы из математики, ну а дальше уже по всей классике. И для минимального подъема статистики тоже какие-нибудь пиндосские книжки с упором на first course in и практическое применение. Эта же книжка судя по фоткам учит буквально запускать модели из sklearn и рукомахательно их объясняет, это плохо, потому что дает токмо иллюзию понимания.
Алсо перевод местами режет глаз, видно что переводчик не знаком с общепринятым переводом дсной терминологии на русский язык (переподгонка лол).
это все если че не снобизм, а совет перекатывающимся в область: если вы хотите, то будьте готовы к тому, что на собесах (по крайней мере поначалу) будут спрашивать и формулы, и задавать вопросы на вполне конкретное понимание математики, и в принципе ваше дальнейшее развитие предполагает вашу готовность и способность читать вполне себе научные статьи, поэтому сначала освежайте математику, а потом сразу выкидывайте книжки, где нет формул и все объясняется водяным текстом аля "ну вот у нас тут гиперплоскость максимизирует расстояние но ее может и не существовать"
потому что дает токмо иллюзию пониманияДля вкатывальщиков самое то. Большинство испугается уже на этом этапе. Для преодолевших это станет хорошей отправной точкой со всеми нужными buzzword'ами, которые уже можно дальше гуглить и искать источники посолиднее.