3 книги по программированию, которые должен прочитать каждый data scientist
Практическая наука о данных - это больше программирование, чем математика. Большинство выбирает в качестве языка программирования - Python, поэтому важно максимально овладеть его аспектами, даже теми, которые не связаны с data science. В этой статье поговорим о 3-х основных книгах, которые могут в этом помочь.
Но почему для специалиста по данным важно овладеть программированием? Что ж, дело в том, что в компании вы будете тесно работать с разработчиками программного обеспечения, поэтому важно понимать, как ваша роль вписывается в общую картину.
Давайте кратко обсудим это.
Большинство data scientist'ов работают внутри компании, предлагающей какой-либо продукт/услугу, которые создаются, в основном, командой программистов. Роль специалиста по данным состоит в том, чтобы расширить функциональные возможности упомянутого продукта/услуги с помощью анализа данных или какого-либо прогнозного моделирования.
Для эффективной работы с отделом разработчиков знаний лишь основ программирования будет крайне недостаточно.
Вы должны не только уметь писать простой, читаемый и эффективный код, а также уметь его оптимальным образом организовать.
Именно здесь вступают в игру более продвинутые концепции программирования - такие темы, как структуры данных, алгоритмы, шаблоны проектирования и знание вопросов для собеседований (которые не обязательно связаны только с data science) - но об этом чуть позже.
Ниже представлены ссылки на самые рекомендуемые книги. Итак, начнем.
Практические структуры данных и алгоритмы с Python
Если вы серьезно относитесь к своим программам, изучение структур данных и алгоритмов является обязательным.
Это одна из тех книг, которая, на первый взгляд, может показаться непонятной, но ваше восприятие изменится, как только вы начнете знакомиться с материалом. Вы увидите, насколько элегантным может быть код при грамотном написании, а также будете знать самые распространенные вопросы на собеседованиях и будете готовы к ответам на них.
Это руководство для изучения структур данных и алгоритмов на языке программирования Python, и оно охватывает такие темы, как встроенные типы данных, типы данных из модуля коллекций, односвязные и двусвязные списки, стеки, очереди, деревья и обход дерева, хеш-таблицы, графики, алгоритмы поиска и сортировки и многое другое.
В Интернете есть много ресурсов для изучения этих тем, но, по мне, у этой книги весьма приемлемая цена. В ней около 400 страниц, так что быстро освоить ее не выйдет:) Посвятите ей, как минимум, 2 месяца, так как темы довольно сложные.
Найти книгу можно здесь.
Освоение шаблонов проектирования Python
Воспринимайте шаблоны проектирования как набор передовых практик, которые вы можете использовать для решения конкретной задачи при разработке приложения.
Эта книга научит вас структурировать код. Для решения рабочих задач этот навык необходим, даже если вы не создаете приложения (в традиционном смысле).
Книга охватывает подавляющее большинство шаблонов проектирования, таких как шаблон проектирования абстрактная фабрика, строитель, адаптер, декоратор, мост, фасад, команда, наблюдатель и многое другое.
Для комфортного обучения книга поделена на логические разделы: творческие, структурные и поведенческие шаблоны.
Книга занимает всего около 250 страниц. Но это не самая простая тематика, поэтому торопиться с прочтением точно не стоит.
Вы можете получить книгу здесь.
Элементы собеседований по программированию на Python
Еще одна потрясающая книга. Если вы уже прочитали первую книгу из данной подборки - Практические структуры данных и алгоритмы с Python - то вы можете заметить некое сходство.
Изучение структуры данных и алгоритмов требует тщательного подхода. Здесь же у вас будет уникальная возможность повторить концепции, которые вы изучили несколько месяцев назад. Кроме того, вы сможете ознакомиться с наиболее частыми вопросами собеседований.
Зачем? Потому что есть вероятность, что некоторые из них попадутся вам на собеседовании. Их особенность в том, что они могут быть не связаны напрямую с data science, но вы должны владеть этой информацией для успешного прохождения интервью.
Увы, так обстоят дела с наукой о данных - интервьюеры предъявляют тонну требований, из которых вы будете использовать в работе, возможно, лишь 5%.
Найти книгу можно здесь.
Заключение
Программная инженерия гораздо шире, чем можно подумать. Недостаточно просто научиться писать код, необходимо стремиться к наиболее простому и эффективному решению задачи.
Эти книги - рекомендуемый способ вывести свои навыки Python на новый уровень.
