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

UMIEJĘTNOŚCI ANALITYCZNE W PRACY Z DANYMI I SZTUCZNĄ INTELIGENCJĄ


VAUGHAN D.

wydawnictwo: HELION, 2021, wydanie I

cena netto: 59.00 Twoja cena  56,05 zł + 5% vat - dodaj do koszyka

Umiejętności analityczne w pracy z danymi i sztuczną inteligencją


Czy technologie sztucznej inteligencji spełnią obietnicę wielkiego sukcesu? Dotychczas stosunkowo niewielu przedsiębiorstwom udało się dokonać przełomu dzięki modelom biznesowym opartym na nowych technologiach. Niepowodzenia te można różnie tłumaczyć. Często problemem jest brak umiejętności analitycznych, a przecież rozwój przedsiębiorstwa zależy od jakości decyzji, a nie samego wykorzystywania danych lub technologii predykcyjnych. Okazuje się jednak, że lepsze decyzje można podejmować dzięki wykorzystaniu sztucznej inteligencji i dostępnych danych.

Oto praktyczny przewodnik po wypróbowanej kompleksowej metodzie ułatwiającej przekładanie decyzji biznesowych na łatwe w realizacji, normatywne rozwiązania, oparte na danych i sztucznej inteligencji.

Badacze danych, analitycy i menedżerowie znajdą tu techniki ułatwiające zadawanie właściwych pytań i generowanie wartości z wykorzystaniem nowoczesnych technologii AI i reguł decyzyjnych. Przedstawiono szczegóły procesu decyzyjnego, począwszy od pożądanych konsekwencji lub wyników, aby następnie cofnąć się do kwestii działań, które można podjąć, i skończyć na omówieniu problemów oraz szans pojawiających się w wyniku wpłynięcia na niepewność i przyczynowość. Opisano też, jak formułować i rozwiązywać problemy normatywne.

Dzięki tej książce dowiesz się, jak:

  • przekształcać pytania biznesowe w normatywne rozwiązania
  • rozkładać decyzje biznesowe na etapy i stosować do nich różne metody analityczne
  • zrozumieć i zaakceptować niepewność w procesie decyzyjnym
  • optymalizować decyzje za pomocą predykcyjnych i normatywnych metod analizy
  • generować znaczne wartości za pomocą technologii opartych na AI i danych

Wprowadzenie
Umiejętności analityczne w pracy ze sztuczną inteligencją skąd pomysł?
Podejście oparte na przypadkach użycia
Czym ta książka nie jest
Do kogo ta książka jest skierowana
Czego potrzebujesz
Konwencje zastosowane w książce
Przykładowy kod
Podziękowania

Rozdział 1. Myślenie analityczne i przedsiębiorstwa sterowane sztuczną inteligencją
Czym jest sztuczna inteligencja?
Dlaczego współczesna AI nie spełni pokładanych w niej nadziei?
Jak się tutaj znaleźliśmy?
Rewolucja danych
Trzy V
Modele dojrzałości danych
Historia niespełnionych oczekiwań
Umiejętności analityczne w nowoczesnym, sterowanym sztuczną inteligencją przedsiębiorstwie
Główne wnioski
Dodatkowe materiały

Rozdział 2. Wprowadzenie do myślenia analitycznego
Pytania deskryptywne, predykcyjne i normatywne
Kiedy analiza predykcyjna ma znaczenie: przypadek wykrywania nowotworów
Analiza deskryptywna: przypadek odpływu klientów
Opisywanie odpływu
Prognozowanie odpływu
Wyznaczanie toków postępowania w celu ograniczenia odpływu
Pytania biznesowe i KPI
KPI pomiaru skuteczności programu lojalnościowego
Anatomia decyzji: prosty rozkład
Przykład: dlaczego kupiłeś tę książkę?
Wprowadzenie do przyczynowości
Korelacja i przyczynowość definicja
Trudności w estymacji związków przyczynowych
Problem 1.: nie możemy zaobserwować scenariuszy alternatywnych
Problem 2.: heterogeniczność
Problem 3.: czynniki zakłócające
Problem 4.: efekty selekcji
Testowanie A/B
Niepewność
Niepewność wynikająca z upraszczania
Niepewność wynikająca z heterogeniczności
Niepewność wynikająca z interakcji społecznych
Niepewność wynikająca z ignorancji
Główne wnioski
Dodatkowe materiały

Rozdział 3. Zadawanie właściwych pytań biznesowych
Od celów do pytań biznesowych
Pytania deskryptywne, predykcyjne i normatywne
Zawsze zaczynaj od pytania biznesowego i działaj wstecz
Dalsza dekonstrukcja pytań biznesowych
Przykład platformy dwustronnej
Nauka zadawania pytań biznesowych: przykłady typowych przypadków użycia
Zmniejszanie odpływu klientów
Definiowanie pytania biznesowego
Pytania deskryptywne
Pytania predykcyjne
Pytania normatywne
Sprzedaż krzyżowa: następna najlepsza oferta
Definiowanie pytania biznesowego
Pytania deskryptywne
Pytania predykcyjne
Pytania normatywne
Optymalizacja CAPEX
Lokalizacja sklepu
Kogo zatrudnić?
Wskaźnik zaległości płatniczych
Optymalizacja zapasów magazynowych
Personel sklepu
Główne wnioski
Dodatkowe materiały

Rozdział 4. Działania, dźwignie i decyzje
Co jest przekładalne na działania?
Dźwignie fizyczne
Dźwignie ludzkie
Dlaczego zachowujemy się tak, a nie inaczej?
Dźwignie wynikające z ograniczeń
Ograniczenia czasowe
Dźwignie, które wpływają na nasze preferencje
Genetyka
Uczenie się indywidualne i społeczne
Rozumowanie społeczne: oddziaływanie strategiczne
Rozumowanie społeczne: konformizm i wzajemne oddziaływanie społeczne
Efekt sformułowania
Niechęć do straty
Dźwignie, które zmieniają oczekiwania
Heurystyki dostępności i reprezentatywności
Przypadki użycia powtórka
Odpływ klientów
Sprzedaż krzyżowa
Optymalizacja nakładów kapitałowych (CAPEX)
Lokalizacja sklepu
Kogo zatrudnić?
Wskaźnik zaległości płatniczych
Optymalizacja zapasów magazynowych
Personel sklepu
Główne wnioski
Dodatkowe materiały

Rozdział 5. Od działań do konsekwencji: nauka upraszczania
Dlaczego musimy upraszczać?
Skutki pierwszego i drugiego rzędu
Ćwiczenie zmysłu analitycznego: powitajmy Fermiego
Ile piłek tenisowych zmieści się na podłodze prostokątnego pokoju?
Jaką zapłatę pobrałbyś za umycie każdego okna w Krakowie?
Problemy Fermiego w przygotowywaniu wstępnych przypadków biznesowych
Płacenie klientom za dane kontaktowe
Nadmiar prób kontaktu zwiększa prawdopodobieństwo odpływu
Czy powinieneś przyjąć ofertę tego start-upu?
Powtórka przykładów z rozdziału 3.
Odpływ klientów
Sprzedaż krzyżowa
Optymalizacja CAPEX
Oddziaływanie ceny
Oddziaływanie ilości
Lokalizacja sklepu
Wskaźnik zaległości płatniczych
Optymalizacja zapasów magazynowych
Personel sklepu
Główne wnioski
Dodatkowe materiały

Rozdział 6. Niepewność
Z czego bierze się niepewność?
Kwantyfikacja niepewności
Wartości oczekiwane
Przetarg na budowę autostrady
Interpretacja wartości oczekiwanych
Podejmowanie decyzji w warunkach pewności
Podejmowanie prostych decyzji w warunkach niepewności
Decyzje w warunkach niepewności
Czy nie można zrobić tego lepiej?
Przecież to argumentacja częstościowa
Normatywne i deskryptywne teorie podejmowania decyzji
Przykładowe paradoksy towarzyszące podejmowaniu decyzji w warunkach niepewności
Paradoks petersburski
Awersja do ryzyka
Teoria w praktyce
Oszacowywanie prawdopodobieństw
Oszacowywanie prawdopodobieństw bezwarunkowych
Oszacowywanie prawdopodobieństw warunkowych
Testowanie A/B
Problem wielorękiego bandyty
Oszacowywanie wartości oczekiwanych
Metody częstościowe i bayesowskie
Przypadki użycia powtórka
Odpływ klientów
Sprzedaż krzyżowa
Optymalizacja CAPEX
Lokalizacja sklepu
Kogo zatrudnić?
Wskaźnik zaległości płatniczych
Optymalizacja zapasów magazynowych
Główne wnioski
Dodatkowe materiały

Rozdział 7. Optymalizacja
Czym jest optymalizacja?
Optymalizacja numeryczna jest trudna
Optymalizacja nie jest nowością w biznesie
Optymalizacja cen i przychodów
Optymalizacja bez niepewności
Odpływ klientów
Sprzedaż krzyżowa
Inwestycje CAPEX
Optymalizacja obsady stanowisk pracy
Optymalna lokalizacja sklepów
Optymalizacja w warunkach niepewności
Odpływ klientów
Sprzedaż krzyżowa
Optymalna obsada stanowisk
Sztuczki związane z rozwiązywaniem problemów optymalizacyjnych w warunkach niepewności
Główne wnioski
Dodatkowe materiały

Rozdział 8. Podsumowanie
Umiejętności analityczne
Zadawanie pytań normatywnych
Zrozumieć przyczynowość
Myślenie poza utartymi schematami
Upraszczanie
Akceptacja niepewności
Podejście bierne
Podejście oparte na danych
Podejście oparte na modelu
Optymalizacja
Zrozumieć funkcję celu
Optima lokalne
Wyczulenie na wstępne przypuszczenia
Problemy ze skalą i produkcją
Sterowane AI przedsiębiorstwo przyszłości
Sztuczna inteligencja
Nauka podejmowania decyzji
Problemy z takim podejściem do automatycznego podejmowania decyzji
Kwestie etyczne
Uwagi końcowe
Dodatek. Krótkie wprowadzenie do uczenia maszynowego
Czym jest uczenie maszynowe?
Taksonomia modeli uczenia maszynowego
Uczenie nadzorowane
Uczenie nienadzorowane
Uczenie półnadzorowane
Regresja i klasyfikacja
Tworzenie prognoz
Zastrzeżenia związane z metodą podstawiania
Skąd biorą się te funkcje?
Tworzenie drobnych prognoz
Od regresji liniowej do uczenia głębokiego
Regresja liniowa
Uwzględnianie innych zmiennych
Nadmierne dopasowanie
Sieci neuronowe
Funkcje aktywacji: wprowadzanie dodatkowej nieliniowości
Sukces głębokiego uczenia
Podstawy testowania A/B
Testowanie A/B w praktyce
Obliczenia mocy i wielkości
Wyniki fałszywie pozytywne lub negatywne

Dodatkowe materiały
O autorze
Kolofon

200 stron, Format: 17.0x24.0cm, 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