| |||||
Strona główna > opis książki
• polskie
• Zamów informacje o nowościach z wybranego tematu • kontakt |
KLUCZOWE KOMPETENCJE SPECJALISTY DANYCH JAK PRACOWAĆ Z DANYMI I ZROBIĆ KARIERĘEREMENKO K.wydawnictwo: PWN, 2021, wydanie Icena netto: Kluczowe kompetencje specjalisty danychJak pracować z danymi i zrobić karieręDane radykalnie zmieniły sposób działania naszego świata. Ich zrozumienie i wykorzystanie jest obecnie jedną z najbardziej uniwersalnych i pożądanych umiejętności. Niezależnie od tego, czy jesteś przedsiębiorcą, który chce rozwijać swoją firmę, poszukujesz pracy, czy po prostu chcesz rozwinąć swoją obecną karierę w Data Science, książka Kluczowe kompetencje specjalisty danych może Ci w tym pomóc. Do rąk Czytelnika trafia drugie, zaktualizowane wydanie książki. Zawiera ono podstawowe informacje na temat danych kluczowe dla specjalistów danych – od eksploracji danych, przez ich przygotowywanie i analizowanie, po wizualizację i przekazywanie spostrzeżeń. Najnowsze wydanie zostało uzupełnione o treści dotyczące sieci neuronowych i uczenia głębokiego. Zawiera omówienie studiów przypadku z firm takich jak Amazon czy LinkedIn. Wszystko to zostało opisane łatwym do zrozumienia językiem oraz wzbogacone inspirującymi poradami i wskazówkami. Po przeczytaniu tej książki będziesz mógł wykorzystać nowo odkryte umiejętności związane z gromadzeniem, analizą i prezentacją danych. „Najbardziej obszerna książka, jaką widziałem, dla tych, którzy chcieliby zająć się Data Science – tym, co Harvard Business Review nazwał ‹‹najseksowniejszą pracą XXI wieku››”. Ben Taylor, DataRobot „Książka Kirilla Eremenko umiejętnie odkrywa tajemnice wszystkich popularnych narzędzi i technik analitycznych, a także wielu algorytmów, które zasilają inteligentne systemy. Poleciłbym ją każdemu, kto chce rozpocząć karierę w Data Science”. Dan Shiebler, Twitter Cortex „Kirill Eremenko wymyślił niesamowity, unikalny sposób na uproszczenie Data Science. Ta książka przyniesie korzyści zarówno nowicjuszom, jak i bardziej doświadczonym osobom, które chcą się uczyć Data Science. Książka obejmuje wszystkie ważne zagadnienia, od tego, czym są dane i jak z nimi walczyć, przez pomoc w opracowaniu własnego procesu analizy danych, po efektywną komunikację z danymi”. Andy Kriebel, The Information Lab Data School Spis rysunków IX Bonus dla Czytelników XII Podziękowania XIII Wstęp 1 Cześć I „O co w tym chodzi?” Najważniejsze zasady Data Science Dokąd zmierzamy 4 Przyszłość to dane 5 Hamowanie postępu 5 01 Definicja danych . 7 Dane są wszędzie . 8 Wielkość (danych) ma znaczenie . 9 Przechowywanie i przetwarzanie danych . 11 Dane mają moc tworzenia 13 Użycie danych . 15 Dlaczego właśnie teraz dane stały się ważne . 16 Martwienie się nic nie da . 18 Bibliografia 21 02 Jak dane spełniają nasze potrzeby 22 Wszechobecność danych . 22 Data Science a potrzeby fizjologiczne 23 Data Science a potrzeby bezpieczeństwa 25 Data Science a potrzeby przynależności i miłości . 28 Data Science a samorealizacja . 32 Data Science a samodoskonalenie 32 Kilka słów podsumowania 33 Bibliografia 34 03 Sztuczna inteligencja a nasza przyszłość 36 Czym jest sztuczna inteligencja? 36 Silna sztuczna inteligencja 37 Słaba sztuczna inteligencja 38 Robotyka i automatyzacja procesów 38 Rozpoznawanie obrazów . 40 Przetwarzanie języka naturalnego 42 Uczenie ze wzmocnieniem oraz uczenie głębokie . 44 Ciemna strona sztucznej inteligencji . 45 Przygotuj się na część II 53 Bibliografia 54 Część II „Gdzie i jak je znajdę?” Gromadzenie i analiza danych Proces Data Science . 58 Pierwsze kroki . 61 04 Określenie problemu 65 Spójrz mamo, nie ma danych! . 66 Jak rozwiązać taki problem, jak… 67 Pilnowanie czasu . 79 Sztuka mówienia nie 80 Naprzód! . 81 Bibliografia 81 05 Przygotowanie danych . 82 Spraw, żeby dane zaczęły mówić . 82 Z wielką władzą wiąże się wielka odpowiedzialność 83 Przygotuj dane do podróży 85 Bibliografia 100 06 Klasyczna analiza danych . 101 Nie pomiń tego kroku . 101 Klasyfikacja i analiza skupień 103 Klasyfikacja . 103 Drzewa decyzyjne . 104 Lasy losowe . 107 Algorytm k najbliższych sąsiadów 111 Naiwny klasyfikator Bayesa . 115 Klasyfikacja przy użyciu klasyfikatora Bayesa . 120 Regresja logistyczna . 125 Analiza skupień 134 Algorytm grupowania metodą k-średnich 134 Grupowanie hierarchiczne 144 Bibliografia 149 07 Nowoczesna analiza danych 150 Uczenie ze wzmocnieniem 150 Problem wielorękiego bandyty . 152 Algorytm UCB . 157 Próbkowanie Thompsona . 164 Który algorytm jest lepszy – próbkowanie Thompsona czy UCB? 171 Głębokie uczenie maszynowe 173 Ustalanie wag – jak uczą się sztuczne sieci neuronowe . 185 Przyszłość analizy danych . 188 Bibliografia 188 Część III „Jak to przedstawić?” Opowiadanie o danych Jak dobrze wyglądać 189 Jeszcze nie skończyliśmy! . 190 Akcelerator kariery . 190 08 Wizualizacja danych 191 Czym jest analiza wizualna? 191 Czym jest wizualizacja danych? 196 Mówienie językiem wizualnym 197 Kroki tworzenia atrakcyjnych wizualizacji 199 Uwagi końcowe 205 Bibliografia 208 Idąc o krok dalej. Typy wykresów 209 09 Prezentacja danych 221 Znaczenie opowieści 221 Powołanie rzecznika danych 223 Jak stworzyć świetną prezentację 224 Koniec procesu Data Science 233 Bibliografia 233 10 Twoja kariera specjalisty danych 234 Wejście do świata Data Science 234 Ubieganie się o pracę 244 Przygotowanie do rozmowy kwalifikacyjnej 245 Przeprowadzanie wywiadu 247 Dbanie o rozwój firmowej kariery 248 Bibliografia 249 Indeks 251 270 stron, Format: 16.5x23.5cm, oprawa miękka
Po otrzymaniu zamówienia poinformujemy pocztą e-mail lub telefonicznie, |
