Data Science
Autor Field Cadyen Limba Engleză Hardback – 11 dec 2020
Adresăm acest volum în primul rând executivilor, managerilor și profesioniștilor din vânzări sau marketing care trebuie să navigheze într-un peisaj organizațional dominat de date, fără a deține un background de inginerie. Data Science de Field Cady funcționează ca un rezumat executiv esențial, demistificând conceptele complexe de analiză pentru a le transforma în pârghii de decizie strategică. Observăm că autorul nu se limitează la a explica 'ce' este știința datelor, ci pune accentul pe 'cum' se integrează aceasta în structura unei companii, de la evaluarea necesității unui departament dedicat până la recrutarea talentelor potrivite. Subliniem rigoarea cu care este tratată distincția dintre Artificial Intelligence și metodele statistice clasice. În timp ce The Decision Maker's Handbook to Data Science de Stylianos Kampakis oferă cadrul teoretic necesar pentru a înțelege avantajul competitiv al adoptării timpurii a tehnologiilor AI, lucrarea lui Field Cady oferă instrumentele practice de evaluare a proiectelor. Notăm cu interes pragmatismul autorului: acesta avertizează asupra momentelor în care Big Data poate deveni un obstacol mai degrabă decât o soluție și identifică situațiile în care modelele matematice ideale eșuează în fața realității brute a afacerilor. Această abordare pragmatică este o continuare naturală a viziunii expuse în lucrarea sa anterioară, What Is Math?. Dacă acolo autorul poziționa matematica ca un limbaj universal de comunicare, în Data Science el traduce acest limbaj pentru contextul corporativ. Cartea publicată de Wiley reușește să pună față în față obiectivele de business cu constrângerile tehnice, oferind un numitor comun pentru dialogul dintre echipele de analiză și cele de management.
Preț: 452.67 lei
Preț vechi: 492.03 lei
-8%
Carte tipărită la comandă
Livrare economică 26 octombrie-09 noiembrie
Specificații
ISBN-10: 1119544084
Pagini: 208
Dimensiuni: 157 x 235 x 15 mm
Greutate: 0.45 kg
Editura: Wiley
Locul publicării:Hoboken, United States
De ce să citești această carte
Recomandăm această carte liderilor care doresc să elimine barierele de comunicare dintre departamentul tehnic și cel comercial. Veți învăța să evaluați corect utilitatea unui proiect de analiză de date, să puneți întrebările potrivite la interviurile de angajare pentru data scientists și să înțelegeți limitările tehnologiilor actuale. Este un ghid strategic care transformă datele din sursă de confuzie în activ valoros pentru luarea deciziilor.
Descriere scurtă
Cuprins
1.1 Why Managers Need to Know About Data Science 1
1.2 The New Age of Data Literacy 2
1.3 Data-Driven Development 3
1.4 How to Use this Book 4
2 The Business Side of Data Science 7
2.1 What Is Data Science? 7
2.2 Data Science in an Organization 19
2.3 Hiring Data Scientists 25
2.4 Management Failure Cases 36
3 Working with Modern Data 41
3.1 Unstructured Data and Passive Collection 41
3.2 Data Types and Sources 42
3.3 Data Formats 43
3.4 Databases 47
3.5 Data Analytics Software Architectures 50
4 Telling the Story, Summarizing Data 55
4.1 Choosing What to Measure 56
4.2 Outliers, Visualizations, and the Limits of Summary Statistics: A Picture IsWorth a Thousand Numbers 58
4.3 Experiments, Correlation, and Causality 60
4.4 Summarizing One Number 62
4.5 Key Properties to Assess: Central Tendency, Spread, and Heavy Tails 63
4.6 Summarizing Two Numbers: Correlations and Scatterplots 68
4.7 Advanced Material: Fitting a Line or Curve 72
4.8 Statistics: How to Not Fool Yourself 77
4.9 Advanced Material: Probability Distributions Worth Knowing 86
5 Machine Learning 101
5.1 Supervised Learning, Unsupervised Learning, and Binary Classifiers 102
5.2 Measuring Performance 107
5.3 Advanced Material: Important Classifiers 113
5.4 Structure of the Data: Unsupervised Learning 124
5.5 Learning as You Go: Reinforcement Learning 135
6 Knowing the Tools 141
6.1 A Note on Learning to Code 141
6.2 Cheat Sheet 142
6.3 Parts of the Data Science Ecosystem 143
6.4 Advanced Material: Database Query Crash Course 153
7 Deep Learning and Artificial Intelligence 161
7.1 Overview of AI 161
7.2 Neural Networks 164
7.3 Natural Language Processing 172
7.4 Knowledge Bases and Graphs 177
Postscript 181
Index 183