Обзор книг аналитика данных

Привет! Меня зовут Таня, я аналитик данных и люблю бумажный формат книг (если есть сомнения, сначала пробую электронную версию, но если книга заходит всегда беру бумажную версию). В этой статье честный обзор без рекламы, тех книг, которые я купила не так давно в бумажном формате.

Что в моем списке

1. «Математика для Data Science» 

2. «Алгоритмы и структуры данных» Миядзаки

3. «Прикладные структуры данных и алгоритмы» Венгроу

4. «Грокаем алгоритмы искусственного интеллекта» 

1. «Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики»

Автор: Томас Нилд (Thomas Nield)
Страниц: 336

Это книга для тех, кто хочет наконец-то понять, что происходит под капотом библиотек вроде scikit-learn. Автор обещает познакомить нас с линейной алгеброй, теорией вероятностей, математической статистикой и машинным обучением ^[1] ровно в том объеме, который реально нужен аналитику.

Томас Нилд – основатель компании Nield Consulting Group, преподаватель O’Reilly Media и Университета Южной Калифорнии, он специализируется на том, чтобы излагать технические темы доступно и интересно для тех, кто не знаком с предметом или побаивается его.

С книгой знакома давно, всегда всем рекомендую, но бумажную версию купила недавно.

Первые четыре главы – фундамент: матан, тервер, линейная алгебра и статистика, последние три про машинное обучение. Фишка в том, что автор не просто дает формулы, а показывает, как применять их на практике. Особенно когда-то мне зашла глава про распределение Стьюдента, там прям пошагово: когда выборка маленькая (меньше 30 элементов), нормальное распределение уже не катит нужно использовать t-распределение, и, что удобно, есть сразу примеры кода на Python:

from scipy.stats import t

n = 25
lower = t.ppf(.025, df=n-1)
upper = t.ppf(.975, df=n-1)

print(lower, upper)
# -2.063898561628021 2.0638985616280205
 [2]

За что я ее люблю

1) Есть примеры не только формул, но и кода. Автор не бросает читателя один на один с интегралами, он сразу показывает, как это реализуется на Python в реальных задачах.

2) В конце главы про большие данные есть крутой разбор «ошибки меткого стрелка» (когда мы ищем закономерности там, где их нет). Тот самый случай, когда data mining превращается в игру «найди совпадение».

3) В книге есть практика, каждая тема заканчивается кодом, который можно запустить.

4) Математические обозначения и специальные термины сведены к минимуму, так автор реально старается говорить на человеческом языке, чтобы книга стала доступной даже начинающим.

Кому подойдет

Тем, у кого есть база программирования на Python, но математика ^[3] хромает или наоборот: математику знаете, а как применить в коде не очень понятно.
По отзывам, книга закрывает разрыв между теорией и практикой, я с ними согласна.

Минусы

В комментариях на Хабре пишут, что автор иногда заменяет математические обозначения питоновским кодом. Кому-то это в кайф, а кто-то бесится: «формула едина для всего мира, а код – только для питонистов». Но лично мне такой подход заходит, так как я лучше пойму код, чем формулу с интегралами.

2. «Алгоритмы и структуры данных для тех, кто ненавидит читать лонгриды»

Авторы: М. Исида, С. Миядзаки
Страниц: 256

Это яркая, полноцветная книга, которая делает изучение алгоритмов простым и увлекательным, яркая буквально: там куча иллюстраций, схем и наглядных примеров, для визуалов типа меня – этопросто подарок.

Авторы обещают, что после прочтения вы поймете, что такое эффективность алгоритмов, как работают сортировка, поиск, графы и хеш-таблицы, еще есть главы про криптографию, сжатие данных и даже машинное обучение (алгоритмы кластеризации).

За что я ее люблю

1) Как я уже сказала, визуал очень красивый, если вы когда-нибудь пытались понять бинарное дерево по скучным абзацам текста – вы точно оцените, там все нарисовано наглядно.

2) Книга прям, «для тех, кто ненавидит читать лонгриды» , кратко и наглядно, мне иногда хочется просто посмотреть на картинку и вспомнить суть.

3) Книга рассчитана на новичков, но при этом покрывает не только базу, но и сложные темы.

Кому подойдет

Тем, кто боится алгоритмов как огня и тем, кто хочет понять, как работают структуры данных, но от учебников Кормена хочется плакать, особенной зайдем тем, кто визуал.

Минусы

Пока не нашла, но если покопаться – наверное, для хардовых программистов она будет слишком простой, это скорее вход в тему, чем глубокое погружение.

3. «Прикладные структуры данных и алгоритмы. Прокачиваем навыки»

Автор: Джей Венгроу
Страниц: 512

Если Миядзаки – это входной билет в мир алгоритмов, то Венгроу – это уверенный следующий уровень, немного пугающий толстенный том (512 страниц!), который учит применять структуры данных в реальных проектах.

В книге разбираются: нотация «О большое», популярные сортировки, рекурсия, хеш-таблицы, стеки, очереди, связанные списки, двоичные деревья, кучи, префиксные деревья, графы и алгоритм Дейкстры.

Я считаю, да и отзывы говорят о том, что последняя глава – просто бомба, там разобраны способы решения простых алгоритмических задачек, которые когда-то встречались каждому.

Главный плюс!

Примеры кода сразу на трех языках: Python, JavaScript и Ruby, для тех, кто работает в разных стеках – это точно находка.

За что я ее люблю

1) Как говорила выше, я люблю, когда есть практика и она тут есть, это не просто про то что вот алгоритм, запомните что это значит и как считать а прям пошаговый разбор: вот задача, вот решение, вот код.

2) Хорошие упражнения по темам, в конце каждой темы есть задачки для самопроверки, они реально помогают закрепить материал.

Кому подойдет

Тем, кто уже прошел базу и хочет копать глубже, тем, кто готовится к собеседованиям в крупные компании (там любят спрашивать алгоритмы). Тем, кто хочет писать быстрый и эффективный код.

Минусы

Из-за обилия кода и примеров читать ее как роман не получится, это рабочая лошадка, практический справочник: открыл тему – разобрал – закрыл. И да, еще она тяжелая физически (в рюкзаке носить не вариант).

4. «Грокаем алгоритмы искусственного интеллекта»

Автор: Ришал Хёрбанс
Страниц: 368

Книга из культовой серии «Грокаем…» про алгоритмы искусственного интеллекта ^[4], если вы читали «Грокаем алгоритмы» Адитьи Бхаргавы – вы знаете этот стиль: просто, с картинками и с юмором ^[5].

10 глав, которые покрывают: основы поиска (бинарный, в ширину, в глубину), умный поиск (A*, min-max), эволюционные алгоритмы, генетическое программирование, роевой интеллект (муравьи, частицы), машинное обучение, нейросети и Q-learning.

Фишка книги – это блок-схемы! Многие алгоритмы описаны через блок-схемы, что реально помогает понять логику ^[6] работы, и жизненный цикл алгоритмов тоже описан.

За что я ее люблю

1) Книга идеально подходит как «введение в AI»., прочитал и в целом уже понимаешь, что такое эволюционные алгоритмы и зачем нужен роевой интеллект.

2) Книга развивающая и она не только про МЛ, там есть главы про поиск, про игры (min-max), про муравьиные алгоритмы – то, что в обычных книгах по ML часто пропускают.

3) Это часть большой серии: после нее можно читать «Грокаем машинное обучение», потом «Грокаем глубокое обучение», постепенное погружение и запоминающийся стиль автора.

Кому подойдет

Тем, кто хочет понять, что вообще происходит в мире AI, но боится сложных формул, тем, кто уже прочитал «Грокаем алгоритмы» и хочет двигаться дальше.

Минусы

Своих не сформулировала, но в отзывах пишут, что есть странности перевода: часть терминов заменена русскими акронимами (МО – машинное обучение), а часть оставлена английскими (ANN), иногда это сбивает, и да, книга вышла в 2025 году, но в ней нет разбора современных LLM трансформеры только упоминаются, так что это база, а не хайп.

Вместо итога

Если честно, я покупала эти книги не для того, чтобы прочитать за выходные, я их уже читала до покупки, это рабочий инструментарий:

– Математика для DS – когда забыла формулу и надо быстро подсмотреть с кодом
– Миядзаки – когда хочется понять сложную тему через картинки
– Венгроу – когда надо реально прокачать скиллы перед собеседованием
– Грокаем AI – когда клиент спрашивает «а можно сделать на нейросетях?», а я хочу понять, реально ли это.

Бумажные книги для меня – это способ отдохнуть от экрана и при этом не потерять пользу и да, они красиво стоят на полке (признаюсь, для меня это тоже важно).

А вы читали что-то из этой подборки? Какие книги по аналитике посоветуете вы? Делитесь в комментариях – буду собирать следующий список для закупки 📚

📚Еще больше про будни и задачи аналитика данных в моем тг канале 🌸Таня и Данные ^[7]📊