Ao longo da minha carreira na área de dados, descobri que o conhecimento é a chave mestra que abre portas em projetos desafiadores e impulsiona o crescimento profissional. A literatura especializada tornou-se minha aliada, moldando minha compreensão e aprimorando minhas habilidades em campos diversos como engenharia de dados, análise de dados e ciência de dados. Neste artigo, compartilho alguns dos livros que considero fundamentais, divididos por áreas estratégicas. Os livros que destaco estiverem presentes em minha vida acadêmica, minhas atividades em projetos de dados e com meus alunos, portanto considero que "lapidou" meu conhecimento na área.
Data Warehouse
1. The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data
- Autor: Ralph Kimball
- Link
The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data
2. Building the Data Warehouse
- Autor: William H. Inmon
- Link
Building the Data Warehouse
3. The Data Warehouse Lifecycle Toolkit
- Autor: Ralph Kimball
- Link
The Data Warehouse Lifecycle Toolkit
Esses livros foram a espinha dorsal na construção dos alicerces do meu entendimento sobre Data Warehousing, proporcionando insights práticos e técnicas valiosas.
SQL
1. Introdução à Linguagem SQL: Abordagem Prática Para Iniciantes
- Autor: Thomas Nield
- Link
Introdução à Linguagem SQL: Abordagem Prática Para Iniciantes
2. Use a cabeça! SQL
- Autores: Lynn Beighley, Michael Morrison
- Link
Use a cabeça! SQL
3. SQL Guide
- Autor: Quickstudy.com
- Link
SQL Guide
Dominar a linguagem SQL é essencial, e esses livros oferecem abordagens práticas para iniciantes e insights avançados para aprimorar habilidades existentes.
Linguagem R e Python
1. R para Data Science: importe, arrume, transforme, visualize e modele dados
- Autores: Hadley Wickham, Garrett Grolemund
- Link
R para Data Science: importe, arrume, transforme, visualize e modele dados
2. Python Para Análise de Dados: Tratamento de Dados com Pandas, NumPy e IPython
- Autor: Wes McKinney
- Link
Python Para Análise de Dados: Tratamento de Dados com Pandas, NumPy e IPython
3. Use a cabeça! Python ― 2ª edição
- Autores: Paul Barry, Anthony Briggs
- Link
Use a cabeça! Python ― 2ª edição
Estes livros são guias práticos e abrangentes para utilizar efetivamente R e Python na análise de dados.
Aprendendo sobre dados em geral
1. Data Science para negócios: o que você precisa saber sobre mineração de dados e pensamento analítico de dados
- Autores: Foster Provost, Tom Fawcett
- Link
Data Science para negócios: o que você precisa saber sobre mineração de dados e pensamento analítico de dados
2. Small data: Como Poucas Pistas Indicam Grandes Tendências
- Autor: Martin Lindstrom
- Link
Small data: Como Poucas Pistas Indicam Grandes Tendências
3. A Estratégia do Oceano Azul
- Autores: W. Chan Kim, Renée Mauborgne
- Link
A Estratégia do Oceano Azul
Esses livros fornecem uma perspectiva holística sobre dados, desde estratégias até tendências reveladoras.
SPARK
1. Spark: The Definitive Guide: Big Data Processing Made Simple (English Edition)
- Autor: Bill Chambers, Matei Zaharia
- Link
Spark: The Definitive Guide: Big Data Processing Made Simple (English Edition)
2. High Performance Spark: Best Practices for Scaling and Optimizing Apache Spark (English Edition)
- Autores: Holden Karau, Rachel Warren
- Link
High Performance Spark: Best Practices for Scaling and Optimizing Apache Spark (English Edition)
Desbravar o universo do Apache Spark é facilitado por esses guias abrangentes.
Modelagem de Dados
1. Dama-Dmbok (2Nd Edition): Data Management Body of Knowledge
- Autor: Vários autores
- Link
Dama-Dmbok (2Nd Edition): Data Management Body of Knowledge
2. Governança de dados: práticas, conceitos e novos caminhos
- Autor: Carlos Barbieri
- Link
Governança de dados: práticas, conceitos e novos caminhos
Esses livros são bússolas na complexa jornada da modelagem e governança de dados.
Estatística
1. Estatística: O que é, para que serve, como funciona
- Autor: Charles Wheelan
- Link
Estatística: O que é, para que serve, como funciona
2. Como mentir com estatística
- Autor: Darrell Huff, Bruno Casotti, Irving Geis
- Link
Como mentir com estatística
3. Resumão Estatística
- Autor: Vários autores
- Link
Resumão Estatística
4. Análise estatística com R Para Leigos
- Autor: Joseph Schmuller, Samantha Batista
- Link
Análise estatística com R Para Leigos
Estes livros são guias indispensáveis para compreender e aplicar conceitos estatísticos em projetos de dados.
Essa coleção de conhecimento não apenas moldou minha abordagem em projetos, mas também cultivou uma cultura de dados interna, impulsionando minha carreira para novos patamares. Espero que essas recomendações guiem você, assim como me guiaram, rumo ao sucesso na jornada fascinante dos dados.
Boa leitura!
0 comentários:
Postar um comentário