Big Data, data mining e machine learning: i 10 migliori libri e manuali per il data scientist

Il data scientist o scienziato dei dati è una figura professionale emergente nata negli ultimi anni a seguito della enorme mole di dati generata dal traffico internet. Questo nuovo profilo professionale, molto richiesto dalle aziende, si occupa principalmente di analizzare e poi elaborare un’enorme quantità di dati al fine di ricavarne informazioni importanti.

Per fare questo il data scientist ha bisogno di conoscenze molto accurate in ambito di data mining, machine learning e big data. Il data mining, o estrazione di dati, è un metodo costituito da un insieme di tecniche automatiche o semi-automatiche per individuare correlazioni tra più variabili relative ad un singolo target. Con il data mining si estraggono e analizzano dati grazie a tecniche di estrazione automatiche o semi-automatiche al fine di fare emergere gli schemi, o pattern, sottesi e le regolarità nei comportamenti analizzati dei dati stessi.

Il data mining è utile soprattutto quando al mare magnum dei dati che circolano sul web si applica l’apprendimento automatico o machine learning. Questo settore dell’IA, l’intelligenza artificiale, si occupa di migliorare le prestazioni di un certo algoritmo nell’identificare pattern nei dati disponibili. Il machine learning di solito viene utilizzato dal data scientist in sinergia con il data mining: l’apprendimento automatico costruisce una previsione a partire dallo studio dei dati a disposizione, il data mining invece attua un’analisi esplorativa dei dati per carpirne nuovi e sconosciuti legami e proprietà. Su quali dati lavorano machine learning e data mining? Con i famosi big data, ovviamente. Ovvero un insieme così grande di dati da dover essere trattati con specifiche tecniche di analisi ed estrapolazione ad hoc. In questa nostra selezione di libri per i futuri data scientist troverete i migliori volumi disponibili su data mining, machine learning e big data.

Cliccando sulle copertine si accede alle schede complete dei libri su Amazon, con tutti i dettagli e le recensioni dei lettori. Le edizioni qui riportate sono quelle più aggiornate disponibili a giugno 2020.

Big Data. La guida completa per il Data Scientist

---

Si è da poco affacciata ed è assai richiesta dal mercato del lavoro la figura professionale del Data Scientist. Lo scienziato dei dati ricopre oggi un ruolo fondamentale nelle aziende in quanto capace di estrapolare dell’enorme mole di informazioni che circolano in rete un insieme di dati utili ad identificare le scelte migliori che i vertici decisionali all’interno della azienda stessa sono chiamati a prendere. Il Data Scientist, infatti, si occupa di filtrare, incrociare e ricavare informazioni utili dalla enorme massa di dati prodotti dal traffico della rete Internet su un certo argomento. Si tratta di lavorare, quindi, con i così detti Big Data. Questo libro si avvale di un team di esperti e docenti universitari che offrono i loro contributi su ognuna delle diverse aree di competenza del Data Scientist. Vengono quindi trattati nel testo elementi di statistica e matematica, calcolo delle probabilità, digital processing, data mining, database management, data analysis, data conditioning, web semantic, management team analyst, business intelligence, open source intelligence, privacy e sicurezza dei dati e dei sistemi, tecniche di presentazione e comunicazione aziendale.

---

Big Data Analytics. Il manuale del data scientist

---

Nell’era dei big data e agli albori della data driven economy, emerge una figura professionale in grado di analizzare, gestire, elaborare e comunicare i dati. È il data scientist, lo “scienziato dei dati”, che ha solide competenze in informatica, statistica, economia ed è in grado di far fronte alla sempre crescente complessità dei dati. Questo volume si propone come una guida completa sia per chi intenda intraprendere questa professione emergente, sia per chi, già esperto, desideri approfondire alcune tematiche. L’autore illustra le principali conoscenze relative alla gestione e all’analisi avanzata dei dati

---

Big Data Analytics. Analizzare e interpretare dati con il machine learning

---

I Big Data sono una realtà e la professionalità del data scientist è tanto ambita quanto rara sul mercato del lavoro. All’interno delle aziende, infatti, gli investimenti si concentrano sempre più sull’analisi dei dati, con lo scopo di prendere decisioni efficaci e migliorare prodotti, servizi e vendite. Questo manuale presenta in modo semplice e concreto i Big Data a chi non ha particolare esperienza ma vuole passare velocemente dalla teoria alla pratica. Per questo viene introdotto KNIME, uno strumento open source e gratuito dotato di un’interfaccia grafica che ne semplifica l’utilizzo e permette anche a chi non scrive codice di sfruttare i principali algoritmi di machine learning. Dopo aver definito cosa sono – e non sono – i Big Data, attraverso esempi pratici e tutorial viene spiegato come costruire cluster per organizzare dati e come creare modelli di predizione. Infine vengono introdotti argomenti più avanzati come il riconoscimento e l’analisi del linguaggio umano, e l’estensione delle funzionalità di KNIME con R e Python. Una guida per manager, professionisti e studenti, ma più in generale per chiunque voglia iniziare a lavorare con i Big Data apprezzandone le opportunità e comprendendone le criticità.

---

Data scientist. Tra competitività e innovazione

---

Di fronte all’affermarsi della Algorithm Economy e dei Big Data, per le organizzazioni diventa sempre più necessaria una figura professionale capace di dialogare e collaborare con COBOT e macchine intelligenti: il Data Scientist. Rispondendo a questa esigenza, il volume fornisce indicazioni pratiche sia a coloro che vogliono intraprendere e sviluppare ai massimi livelli la carriera di Data Scientist sia alle aziende che desiderano accogliere questa figura per migliorare capacità decisionale e competitività. Vengono approfonditi i seguenti aspetti: background elettivo del Data Scientist; skill e competenze; ruoli e attività; sviluppo di carriera; evoluzione della professione; strumenti a disposizione; nuove frontiere che la tecnologia impone all’attenzione dei decisori. Il testo è arricchito inoltre da contributi di personaggi di rilievo del mondo dell’innovazione, che propongono un punto di vista alternativo e libero, e da testimonianze e Case histories che aiutano a chiarire i contenuti esposti.

---

Big data marketing. Creare valore nella platform economy con dati, intelligenza artificiale e IoT: 1

---

Il big data marketing non è solo l’applicazione al marketing tradizionale di strumenti di analisi innovativi, bensì un modo nuovo e diverso di fare marketing e business. Oggi è fondamentale spostare l’attenzione su come i big data stanno trasformando i processi di marketing e su come la conoscenza di questi cambiamenti può aiutare a migliorare le attività di marketing e di business più in generale. Questo volume è un’introduzione critica alle pratiche di big data marketing, anche nella vasta area delle big data analytics. La descrizione delle nuove tecnologie e dei nuovi approcci (dall’lnternet of Things all’intelligenza artificiale, dal data mining al machine learning) è sviluppata sia su un piano teorico sia sulla base di specifici casi aziendali, ed è posta costantemente in relazione con i cambiamenti strategici in atto, nell’intento di supportare i manager nel decision making quotidiano in azienda. L’obiettivo è non solo offrire un quadro di ciò che è possibile fare con i big data ma, soprattutto, spingere il lettore a riflettere sul tema, e quindi ad affrontare anche il dark side della società e dell’economia dei big data. Un contributo che aiuta a capire come sta cambiando l’idea stessa di marketing ancora oggi applicata e a definire framework e principi di decisione manageriale utili per chi voglia esplorare le trasformazioni in atto e far leva sulle nuove opportunità.

---

Machine learning con Python. Costruire algoritmi per generare conoscenza: 1

---

Elaborare il magma di dati oggi disponibile è una sfida affascinante e imprescindibile per il mondo contemporaneo dove la conoscenza e l’informazione sono il primo valore. Il machine learning è la risposta: grazie ai suoi algoritmi è possibile creare macchine in grado apprendere in maniera automatica e rispondere alle domande chiave per il successo. Questo libro accompagna nel mondo del machine learning e mostra come Python sia il linguaggio di programmazione ideale per costruire algoritmi sofisticati in grado di interrogare i dati nel modo migliore e recuperare preziosi insight. Viene spiegato l’utilizzo di librerie Python dedicate – tra cui scikit-learn, Theano e Keras – applicate in ambiti come la selezione e la compressione dei dati, l’analisi del linguaggio naturale, l’elaborazione di previsioni, il riconoscimento delle immagini. L’approccio didattico è pragmatico: tutti i concetti sono accompagnati da esempi pratici di codice. La lettura è consigliata a chi ha già alle spalle qualche studio teorico nel campo del machine learning oltre a una buona conoscenza di programmazione in Python. Argomenti trattati: Addestrare gli algoritmi a compiti di classificazione; Utilizzare i classificatori della libreria scikit-learn; Selezionare i dati con le tecniche di pre-elaborazione; Ridurre la dimensionalità dei dati con le tecniche compressione; Conoscere, valutare e combinare i modelli di machine learning; Creare analisi del sentiment elaborando dati testuali dai social media; Integrare modelli di machine learning in applicazioni web; Elaborare previsioni attraverso i modelli di analisi a regressione; Individuare nuovi cluster e pattern di dati; Addestrare reti neurali al riconoscimento delle immagini; Lavorare con Theano per ottimizzare gli algoritmi di machine learning.

---

Big data. Architettura, tecnologie e metodi per l’utilizzo di grandi basi di dati

---

Ogni giorno nel mondo vengono creati miliardi di dati digitali. Questa mole di informazione proviene dal notevole incremento di dispositivi che automatizzano numerose operazioni – record delle transazioni di acquisto e segnali GPS dei cellulari, per esempio – e dal Web: foto, video, post, articoli e contenuti digitali generati e diffusi dagli utenti tramite i social media. L’elaborazione di questi “big data” richiede elevate capacità di calcolo, tecnologie e risorse che vanno ben al di là dei sistemi convenzionali di gestione e immagazzinamento dei dati. Il testo esplora il mondo dei “grandi dati” e ne offre una descrizione e classificazione, presentando le opportunità che possono derivare dal loro utilizzo. Descrive le soluzioni software e hardware dedicate, riservando ampio spazio alle implementazioni Open Source e alle principali offerte cloud. Si propone dunque come una guida approfondita agli strumenti e alle tecnologie che permettono l’analisi e la gestione di grandi quantità di dati. Il volume è dedicato a chi, in università e in azienda (database administrator, IT manager, professionisti di Business Intelligence) intende approfondire le tematiche relative ai big data. È, inoltre, un valido supporto per il management aziendale per comprendere come ottenere informazioni utilizzabili nei processi decisionali.

---

Appunti sparsi di Machine Learning: Un vademecum per comprendere uno degli argomenti più affascinanti dei nostri giorni

---

Confrontandomi quotidianamente con tematiche tecnologiche legate all’analisi e alla comprensione dei dati, è sorta in me quasi una necessità impellente di provare a raccogliere e organizzare appunti di varia natura sul tema del machine learning che mai come in questi anni sembra essere decollato come “strumento” in grado di aumentare ulteriormente la competitività aziendale. Ogni competenza necessità della giusta astrazione e questi appunti sono pensati per un target specifico che include i curiosi, appassionati di tecnologia che vogliono avere una descrizione chiara e sufficientemente esaustiva della materia; Uomini di business che non hanno il background tecnico e che non sono interessati a sapere cosa c’è “sotto il cofano” ma vogliono capire con un buon livello di dettaglio caratteristiche, funzionalità, esemplificazioni di cosa è il machine learning e perché, forse, dovrebbero valutarlo per rendere più competitive le aziende in cui operano…

---

Machine Learning Workflow: Dal prototipo alla produzione

---

Pochi mesi prima della pubblicazione di questo volume ho terminato con soddisfazione il volume “Appunti sparsi di Machine Learning”, volume disponibile sul marketplace di Amazon sia in formato cartaceo che E-Book/Kindle e che in diverse occasioni è risultato essere numero #1 della settimana come best seller nella categoria “computer ed elaboratori”. L’obiettivo di quel volume è prettamente di tipo divulgativo anche se non mancano approfondimenti più tecnici sul tema, proprio per il carattere divulgativo mi sono sforzato di “raccontare” l’intero dominio del Machine Learning dedicando lo spazio opportuno a ogni elemento e per evitare che il libro diventasse un tomo di 500 pagine ho dovuto scendere a compromessi, tenendo una linea di demarcazione netta tra il voler toccare tutti i componenti principali e l’approfondimento che alcuni temi avrebbero meritato. Il workflow che sta alla base dello sviluppo di soluzioni di machine learning è il tema che avrei voluto sviscerare con maggiori dettagli ed esempi ma in quel volume significava rompere la simmetria narrativa a dispetto degli altri contenuti.La soluzione quindi più adeguata è dedicare un volume specifico al workflow dello sviluppo di modelli di Machine Learning (ML)…

---

A tu per tu col Machine Learning. L’incredibile viaggio di un developer nel favoloso mondo della Data Science

---

“La gente si preoccupa del fatto che i computer diventeranno troppo intelligenti, che finiranno per conquistare il mondo. Il vero problema è che i computer sono entità troppo stupide, e il mondo l’hanno già conquistato.” – Pedro Domingos Una storia ad alta tecnologia tra la via Emilia e il Web. Un’iniziazione fatta di codici, reti, algoritmi e notti in bianco. La passione e il rigore di uno sviluppatore a caccia di soluzioni. Un’impresa da manuale sul futuro che ci attende. Un’utile e originale guida alla magia e ai segreti dell’intelligenza artificiale. ——- Alessandro Cucci, 32 anni, lavora come Python Expertise Manager presso Energee3 Srl, azienda attiva nell’information and communications technology (ICT) con sedi a Reggio Emilia, Milano, Torino, Firenze e Roma. Nel 2016 ha fondato il PyRE (Python User Group Reggio Emilia), community locale di sviluppatori Python. Nel tempo libero, quando non è impegnato a partecipare a conferenze informatiche o a organizzare meeting di sviluppatori, si diverte a collaborare con i Core Developer della Python Software Foundation in qualità di contributor rilasciando frammenti di codice oggi inclusi nelle ultime versioni del linguaggio Python.

La Data Science, ovvero la Scienza dei dati, è nata nel 1974 ad opera del’informatico danese Peter Naur intendendo con essa quella disciplina che si occupa di gestire i dati a disposizione per come essi già sono senza però tentare di ricavarne della informazioni utili. Solo dopo con l’arrivo dei big data ai dati viene posta una rilevanza maggiore: si capisce quindi quanto valore anche ai fini del mercato questa enorme quantità di dati possa assumere e si studiano le tecniche adatte a riuscire a ricavare da essi importanti informazioni.