Cantitate/Preț
Produs
Total produse
Vezi coșul
Smarter Data Science de Neal Fishman

Smarter Data Science

Autor Neal Fishman
en Limba Engleză Paperback – 15 mai 2020

Observăm în Smarter Data Science o schimbare de paradigmă necesară în peisajul tehnologic actual, unde majoritatea proiectelor de inteligență artificială eșuează din cauza lipsei de integrare. Structura progresivă — de la concept la implementare — ne ghidează prin etapele esențiale ale construirii unei arhitecturi de date care să nu fie doar un depozit pasiv, ci un motor de decizie. Găsim aici o metodologie clară, bazată pe un „cadru de tip scară”, conceput special pentru a transforma știința datelor dintr-o disciplină silozată într-un instrument accesibil atât analiștilor, cât și liderilor de business. Abordarea diferă de Applying Data Science de Arthur K. Kordon prin faptul că este mai puțin abstractă și mult mai aplicabilă la nivel de infrastructură organizațională; în loc să se concentreze doar pe algoritmi, Neal Fishman pune accent pe topologia datelor și pe modul în care acestea circulă între cloud, fog și mist computing. Descoperim o analiză tehnică a modului în care modelele AI pot fi infuzate în procesele de business pentru a optimiza munca intelectuală și a reduce timpul până la obținerea valorii (time-to-value). Cartea publicată de Wiley reușește să ofere un limbaj comun între departamentul IT și cel executiv, transformând execuția proiectelor AI dintr-o activitate hazardată într-una predictibilă și scalabilă, esențială pentru competitivitatea oricărei întreprinderi moderne.

Citește tot Restrânge

Preț: 23280 lei

Preț vechi: 29100 lei
-20%

Puncte Express: 349

Carte disponibilă

Livrare economică 15-29 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781119693413
ISBN-10: 1119693411
Pagini: 304
Dimensiuni: 190 x 235 x 17 mm
Greutate: 0.53 kg
Editura: Wiley
Locul publicării:Hoboken, United States

De ce să citești această carte

Recomandăm această carte liderilor IT și managerilor care doresc să depășească faza de experimente izolate în AI. Cititorul câștigă o strategie concretă pentru a construi o arhitectură de date sustenabilă, învățând cum să democratizeze accesul la informație în întreaga companie. Este un ghid practic pentru transformarea datelor brute în active strategice repetabile și predictibile.

Despre autor

Neal Fishman este un expert recunoscut în arhitectura datelor și strategii de inteligență artificială, având o experiență vastă în cadrul unor corporații tehnologice de renume precum IBM. Specializat în transformarea modului în care organizațiile gestionează volume mari de date, Fishman s-a concentrat de-a lungul carierei sale pe eliminarea barierelor dintre tehnologia informației și obiectivele de business. Expertiza sa în sisteme de operare și topologii de rețea complexe îi permite să ofere o perspectivă pragmatică asupra implementării AI la scară largă, fiind un promotor al standardizării și eficienței în știința datelor.

Notă biografică

NEAL FISHMAN is a Distinguished Engineer and CTO of Data-Based Pathology at IBM. He is an IBM-certified Senior IT Architect and Open Group Distinguished Chief Architect. COLE STRYKER is a journalist based in Los Angeles. He is the author of Epic Win for Anonymous and Hacking the Future.

Descriere scurtă

Organizations can make data science a repeatable, predictable tool, which business professionals use to get more value from their data Enterprise data and AI projects are often scattershot, underbaked, siloed, and not adaptable to predictable business changes. As a result, the vast majority fail. These expensive quagmires can be avoided, and this book explains precisely how. Data science is emerging as a hands-on tool for not just data scientists, but business professionals as well. Managers, directors, IT leaders, and analysts must expand their use of data science capabilities for the organization to stay competitive. Smarter Data Science helps them achieve their enterprise-grade data projects and AI goals. It serves as a guide to building a robust and comprehensive information architecture program that enables sustainable and scalable AI deployments. When an organization manages its data effectively, its data science program becomes a fully scalable function that's both prescriptive and repeatable. With an understanding of data science principles, practitioners are also empowered to lead their organizations in establishing and deploying viable AI. They employ the tools of machine learning, deep learning, and AI to extract greater value from data for the benefit of the enterprise. By following a ladder framework that promotes prescriptive capabilities, organizations can make data science accessible to a range of team members, democratizing data science throughout the organization. Companies that collect, organize, and analyze data can move forward to additional data science achievements: * Improving time-to-value with infused AI models for common use cases * Optimizing knowledge work and business processes * Utilizing AI-based business intelligence and data visualization * Establishing a data topology to support general or highly specialized needs * Successfully completing AI projects in a predictable manner * Coordinating the use of AI from any compute node. From inner edges to outer edges: cloud, fog, and mist computing When they climb the ladder presented in this book, businesspeople and data scientists alike will be able to improve and foster repeatable capabilities. They will have the knowledge to maximize their AI and data assets for the benefit of their organizations.