Kluczowe kompetencje specjalisty danych

• Druk: 2021
• Autor: Kirill Eremenko
• Tłumacz: Marcin Szeliga
• Wydawca: Wydawnictwo Naukowe PWN

Data Science szturmem zdobyło nowe obszary – wszystko jest większe, szybsze i lepsze. Większe możliwości obliczeniowe wprowadziły uczenie maszynowe i głębokie uczenie maszynowe na rynek. Tworzenie sztucznych sieci neuronowe jest znacznie prostsze. Sztuczna inteligencja zrewolucjonizowała wiele branż. Rozwój technologii byłby niemożliwy bez Data Science. Poznanie podstaw tej nauki otwiera wiele drzwi, bo specjaliści danych potrzebni są w wielu dziedzinach. Data Science jest wyjątkowo obiecującym obszarem prac i badań.
Jeśli chcesz zrobić krok w stronę swojej kariery w Data Science, książka Kluczowe kompetencje specjalisty danych jest dla Ciebie. Jest to publikacja, która w sposób kompleksowy omawia takie kwestie jak:
• gromadzenie danych,
• przygotowanie danych,
• analiza danych,
• wizualizacja danych,
• prezentacja danych.
Część I wprowadzi Cię w świat wszechobecnych danych i najważniejszych zasad Data Science, które pomogą Ci pogłębić posiadaną wiedzę. Część II przeprowadzi Cię przez etap gromadzenia i analizy danych. W Części III dowiesz się, jak najlepiej zwizualizować i zaprezentować wyniki swojej pracy.

• Kategorie:
  1. Ebooki i Audiobooki »
  2. Ebooki »
  3. Ebooki popularnonaukowe i specjalistyczne »
  4. Informatyka
• Język wydania: polski
• ISBN: 978-83-01-21655-9
• ISBN druku: 978-83-01-21568-2
• Liczba stron: 270

Spis rysunków IX
Bonus dla Czytelników XII
Podziękowania XIII
Wstęp 1
CZĘŚĆ I „O co w tym chodzi?” Najważniejsze zasady Data Science 3
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 57
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 są 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 189
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 2
indeks 251