wprowadź własne kryteria wyszukiwania książek: (jak szukać?)
Twój koszyk:   0 zł   zamówienie wysyłkowe >>>
Strona główna > opis książki
English version
Książki:

polskie
podział tematyczny
 
anglojęzyczne
podział tematyczny
 
Newsletter:

Zamów informacje o nowościach z wybranego tematu
 
Informacje:

o księgarni

koszty wysyłki

kontakt

Cookies na stronie

 
Szukasz podpowiedzi?
Nie znasz tytułu?
Pomożemy Ci, napisz!


Podaj adres e-mail:


możesz też zadzwonić
+48 512 994 090

KLUCZOWE KOMPETENCJE SPECJALISTY DANYCH JAK PRACOWAĆ Z DANYMI I ZROBIĆ KARIERĘ


EREMENKO K.

wydawnictwo: PWN, 2021, wydanie I

cena netto: 91.20 Twoja cena  86,64 zł + 5% vat - dodaj do koszyka

Kluczowe kompetencje specjalisty danych

Jak pracować z danymi i zrobić karierę


Dane 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,
czy wybrany tytuł polskojęzyczny lub anglojęzyczny jest aktualnie na półce księgarni.

 
Wszelkie prawa zastrzeżone PROPRESS sp. z o.o. www.bankowa.pl 2000-2021