Data Analytics and Data Science with Python

หนังสือเล่มนี้นำเสนอหลักการและกระบวนการสำคัญของการทำงานด้านข้อมูลอย่างเป็นระบบ ตั้งแต่การรวบรวมและทำความเข้าใจข้อมูล การเตรียมและทำความสะอาดข้อมูล การวิเคราะห์ข้อมูลเชิงสำรวจ การวิเคราะห์ข้อมูลหลายตัวแปร และการสร้างภาพข้อมูล (Data visualization) เพื่อค้นหาและสื่อสารสารสนเทศที่สำคัญ

เนื้อหาครอบคลุมหลักการทางสถิติ การทดสอบสมมติฐาน การสร้างโมเดลวิเคราะห์ข้อมูล ตลอดจนการเรียนรู้ของเครื่อง (Machine learning) ทั้งแบบมีผู้ฝึกสอนและแบบไม่มีผู้ฝึกสอน พร้อมอธิบายแนวคิดสำคัญเกี่ยวกับการสร้างฟีเจอร์ การคัดเลือกฟีเจอร์ การประเมินโมเดล และการประยุกต์ใช้เทคนิคต่าง ๆ กับปัญหาจริง

นอกจากนี้ หนังสือยังครอบคลุมพื้นฐานด้านวิศวกรรมข้อมูล (Data engineering) ตั้งแต่สถาปัตยกรรมและการไหลของข้อมูล กระบวนการ ETL และ ELT การจัดเก็บข้อมูลเพื่อการวิเคราะห์ การประมวลผลแบบกลุ่มและแบบสตรีม ไปจนถึง Data Pipeline คุณภาพข้อมูล และการกำกับดูแลข้อมูล

ตัวอย่างส่วนใหญ่ใช้ภาษา Python เพื่อเชื่อมโยงหลักการกับการปฏิบัติ และช่วยให้ผู้อ่านเข้าใจกระบวนการทำงานด้านข้อมูลแบบครบวงจร ตั้งแต่ข้อมูลดิบจนถึงการสร้างสารสนเทศ โมเดล และผลลัพธ์ที่สามารถนำไปใช้สนับสนุนการตัดสินใจได้จริง

เหมาะสำหรับนิสิต นักศึกษา นักวิเคราะห์ข้อมูล ผู้ปฏิบัติงานด้านข้อมูล และผู้สนใจที่ต้องการสร้างพื้นฐานที่มั่นคงด้านการวิเคราะห์ข้อมูล วิทยาศาสตร์ข้อมูล การเรียนรู้ของเครื่อง และวิศวกรรมข้อมูล