| |||||
Strona główna > opis książki
• polskie
• Zamów informacje o nowościach z wybranego tematu • kontakt |
BIG DATA NAUKA O DANYCH I AI BEZ TAJEMNIC PODEJMUJ LEPSZE DECYZJE I ROZWIJAJ SWÓJ BIZNES!STEPHENSON D.wydawnictwo: HELION, 2019, wydanie Icena netto: Big data, nauka o danych i
AI bez tajemnic Podejmuj lepsze decyzje i rozwijaj swój biznes! Koncepcja big data zmieniła zasady gry w biznesie. Wiele osób z kadry zarządczej nie rozumie specyfiki tego rodzaju danych: ogromnych, szybko narastających, często niepasujących do tradycyjnej struktury. Są one zasadniczo różne od konwencjonalnych danych, zarówno pod względem wielkości, jak i złożoności. Rzucają nowe wyzwania, stwarzają nowe możliwości, zacierają tradycyjne granice konkurencji i zmuszają do zmiany paradygmatów pozyskiwania wartości z danych. Big data i data science wraz z uczeniem maszynowym radykalnie zmieniają ekosystem biznesu. Aby przetrwać tę rewolucję, trzeba dostosować się do nowych warunków. Ta książka jest przystępnym wprowadzeniem do koncepcji big data i data science. Pozwoli na uzyskanie wiedzy niezbędnej do oceny, czy korzyści z tych technologii są warte kosztów i wysiłku związanych z wdrożeniem w firmie. Poszczególne techniki zostały dokładnie i przejrzyście opisane. Przedstawiono zasady tworzenia odpowiednich strategii. Wyjaśniono, jakich zasobów i jakich ludzi potrzeba do przeprowadzenia transformacji w kierunku zbierania, analizy i wykorzystywania danych, a także omówiono związane z tym ryzyko. Ważnym elementem książki są praktyczne wskazówki i podpowiedzi. W tej książce: podstawy big data, data science i sztucznej inteligencji praktyczne zastosowanie big data w technikach analitycznych przegląd podstawowych rodzajów analityki i dobór technologii przygotowanie firmy do wdrożenia projektów big data i data science wymagania prawne i ochrona danych a korzystanie z narzędzi big data Opinie o książce O autorze Podziękowania Wprowadzenie Rozdziały Część 1. Wprowadzenie do koncepcji big data Rozdział 1. Historia big data Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data Rozdział 3. Dlaczego technologie big data są użyteczne? Rozdział 4. Przykłady zastosowań big data w analizie danych Rozdział 5. Zrozumieć ekosystem big data Część 2. Jak wykorzystać ekosystem big data w swojej organizacji? Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią? Rozdział 7. Strategia wykorzystywania big data oraz data science Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe Rozdział 9. Wybór technologii Rozdział 10. Budowanie zespołu Rozdział 11. Zarządzanie danymi i kwestie prawne Rozdział 12. Skuteczne realizowanie projektów Część 1. Wprowadzenie do koncepcji big data Rozdział 1. Historia big data Co się zmieniło na początku XXI wieku? Dlaczego tak wiele danych? Rozpowszechnienie urządzeń generujących dane cyfrowe Tworzenie i publikowanie treści prywatnych Aktywność użytkowników Uczenie maszynowe i Internet rzeczy (IoT) Badania naukowe Malejące koszty przestrzeni dyskowej Malejące koszty RAM-u Malejące koszty mocy obliczeniowej Dlaczego koncepcja big data zyskała taką popularność? Pionierzy big data, którzy odnieśli sukces Oprogramowanie open source wyrównało szanse wśród twórców oprogramowania Przetwarzanie w chmurze ułatwiło rozpoczynanie i skalowanie pomysłów Podsumowanie Zastanów się Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data Czym są sztuczna inteligencja i uczenie maszynowe? Początki AI Skąd niedawne odrodzenie AI? Sztuczne sieci neuronowe i uczenie głębokie Jak AI pomaga w analizie wielkich zbiorów danych? Na co warto zwrócić uwagę? Podsumowanie Zastanów się Rozdział 3. Dlaczego technologie big data są użyteczne? Całkiem nowe sposoby używania danych Nowy sposób myślenia o danych Stosowanie podejścia data-driven Informacje ukryte w danych Analiza Lepsze narzędzia Dane: im więcej, tym lepiej Dodatkowe typy danych Wartość danych o ścieżkach zakupowych klientów Większe ilości danych Podsumowanie Zastanów się Rozdział 4. Przykłady zastosowań big data w analizie danych Testy A/B Systemy rekomendacyjne/następna najlepsza oferta Prognozowanie: popyt i przychody Oszczędzanie kosztów w IT Marketing Media społecznościowe Wyceny Zatrzymywanie klientów i budowanie ich lojalności Porzucanie koszyka (analizowane w czasie rzeczywistym) Optymalizacja współczynnika konwersji Dopasowywanie produktu w czasie rzeczywistym Reklamy kontekstowe w czasie rzeczywistym Wykrywanie nadużyć w czasie rzeczywistym Ograniczenie migracji klientów Utrzymanie według stanu Zarządzanie łańcuchem dostaw Długookresowa wartość klienta Lead scoring Zasoby ludzkie Analiza sentymentu Podsumowanie Zastanów się Rozdział 5. Zrozumieć ekosystem big data Kiedy dane można określać jako big data? Rozproszone przechowywanie danych Rozproszone przetwarzanie Fast data/strumieniowanie danych Mgła obliczeniowa/przetwarzanie krawędziowe Oprogramowanie open source Historia open source Licencjonowanie Dystrybucja kodu Korzyści z open source Open source a big data Przetwarzanie w chmurze Podsumowanie Zastanów się Część 2. Jak wykorzystać ekosystem big data w swojej organizacji? Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią? Twoi klienci Zdobywanie danych Platformy cyfrowe Wsparcie klienta Fizyczne położenie klientów Łączenie danych o klientach Używanie danych Ścieżka zakupowa Grupy klientów (persony) Towary Krytyczne interwencje Twoja konkurencja Czynniki zewnętrzne Twój własny produkt Podsumowanie Zastanów się Rozdział 7. Strategia wykorzystywania big data oraz data science Zespół ludzi Specjaliści od strategii Specjaliści od biznesu Specjaliści od analizy Specjaliści techniczni Spotkanie inauguracyjne Strategia Biznes Analiza Technologia Efekty spotkania inauguracyjnego Omówienie zakresu projektu Podsumowanie Zastanów się Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe Cztery typy analityki Analityka opisowa Analityka diagnostyczna Analityka predykcyjna Analityka preskryptywna Modele, algorytmy i czarne skrzynki Projektowanie modelu Modele czarnoskrzynkowe w big data Dopasowywanie modelu do danych Wdrażanie modelu Sztuczna inteligencja i uczenie maszynowe Oprogramowanie analityczne Bazy danych Bazy relacyjne (75%) Bazy dokumentowe (9%) Silniki wyszukiwania (5%) Bazy typu klucz-wartość (5%) Bazy kolumnowe (3%) Bazy grafowe (2%) Wybór bazy danych Języki programowania Narzędzia analityczne Agile w analityce Podsumowanie Zastanów się Rozdział 9. Wybór technologii Wybór sprzętu Wybór lokalizacji sprzętu: rozwiązania chmurowe Przenoszenie, oczyszczanie i przechowywanie danych Wybór oprogramowania Dostarczanie wyników użytkownikowi końcowemu Rozważania na temat wyboru technologii Podsumowanie Zastanów się Rozdział 10. Budowanie zespołu Specjaliści w zakresie data science Role potrzebne w zespole analitycznym Platform engineer Inżynier danych Specjalista od algorytmów Analityk biznesowy Analityk sieciowy Specjalista od raportowania Przywództwo Posiadanie trzech niepowiązanych umiejętności Wszechstronnie rozwinięte umiejętności techniczne Umiejętność dostarczania rezultatów Proces zatrudniania na stanowisko przywódcze Rekrutowanie specjalistów od danych Zatrudnianie na dużą skalę i pozyskiwanie startupów Outsourcing Małe firmy Podsumowanie Zastanów się Rozdział 11. Zarządzanie danymi i kwestie prawne Dane osobowe Przepisy dotyczące ochrony prywatności Data science i ujawnianie informacji prywatnych Zarządzanie danymi Zarządzanie raportowaniem Podsumowanie Zastanów się Rozdział 12. Skuteczne realizowanie projektów Dlaczego projekty upadają Wykorzystaj model data-driven Cały czas zadawaj pytania na temat swojego biznesu Testuj swoje przypuszczenia Utwórz i monitoruj kluczowe wskaźniki efektywności Sięgaj po nowe pomysły Uporządkuj swoje dane Pozyskaj odpowiednich ludzi Połącz silosy danych Skup się na wartości biznesowej Kontroluj efekty Korzystaj z metodyki agile Na zakończenie Podsumowanie Zastanów się Słowniczek 240 stron, oprawa miękka
Po otrzymaniu zamówienia poinformujemy pocztą e-mail lub telefonicznie, |
