Алекс Дж. Гатман , Джордан Голдмейер - Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт
Название: | Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт | |
Автор: | Алекс Дж. Гатман , Джордан Голдмейер | |
Жанр: | Базы данных | |
Изадано в серии: | Мировой компьютерный бестселлер | |
Издательство: | неизвестно | |
Год издания: | 2023 | |
ISBN: | 978-5-04-184971-9 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт"
Перед вами исчерпывающее руководство по основам Data Science. С помощью него вы сможете научиться мыслить статистически и понимать, какую роль в вашей работе играет аналитика, пользоваться языком науки о данных, избегать распространенных ошибок при работе с ними и, наконец, разобраться в полезных инструментах, которые используют эксперты.
В формате PDF A4 сохранен издательский макет книги.
К этой книге применимы такие ключевые слова (теги) как: эффективное руководство,анализ данных,статистический анализ,Data Science
Читаем онлайн "Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт" (ознакомительный отрывок). Главная страница.
- 1
- 2
- 3
- . . .
- последняя (7) »
Алекс Дж. Гатман, Джордан Голдмейер Разберись в Data Science Как освоить науку о данных и научиться думать как эксперт
Jordan Goldmeier, Alex J. GutmanBECOMING A DATA HEAD: How to Think, Speak and Understand Data Science, Statistics and Machine Learning
Copyright © 2021 by John Wiley & Sons, Inc., Indianapolis, Indiana
All Rights Reserved. This translation published under license with the original publisher John Wiley & Sons, Inc.
© Райтман М. А., перевод на русский язык, 2023
© Оформление. ООО «Издательство «Эксмо», 2023
* * *
Посвящается моим детям Элли, Уильяму и Эллен.Элли было три года, когда она узнала, что ее папа – «доктор».
Озадаченно посмотрев на меня, она сказала: «Но ведь ты не помогаешь людям…»
Памятуя об этом, я также посвящаю эту книгу вам, читатель.
Надеюсь, что она вам поможет.
– Алекс
Посвящается Стивену и Мелиссе.
– Джордан
Предисловие
Книга «Разберись в Data Science» вышла очень своевременно, учитывая текущую ситуацию с данными и аналитикой в организациях. Давайте кратко пробежимся по последним событиям. Начиная с 1970-х годов лишь немногие передовые компании эффективно использовали данные и аналитику для принятия решений и обоснования своих действий. Большинство игнорировало этот ценный ресурс или не придавало ему особого значения.В 2000-х годах ситуация стала меняться, и компании начали понимать, как они могут изменить свою ситуацию с помощью данных и аналитики. К началу 2010-х годов интерес стал смещаться в сторону «больших данных», которые изначально появились в интернет-компаниях, а затем распространились по всей экономике. В связи с возросшим объемом и сложностью данных в компаниях возникла роль «дата-сайентиста», опять же, сначала в Силиконовой долине, а затем повсюду.
Однако как только фирмы начали приспосабливаться к большим данным, в период с 2015 по 2018 год акцент во многих фирмах снова сместился, на этот раз в сторону искусственного интеллекта. Сбор, хранение и анализ больших данных уступили место машинному обучению, обработке естественного языка и автоматизации.
В основе этих быстрых сдвигов фокуса лежал ряд допущений относительно данных и аналитики, распространенных внутри организаций. Я рад сообщить, что книга «Разберись в Data Science» разрушает многие из них и делает это весьма своевременно. Многие люди, внимательно наблюдающие за этими тенденциями, уже начинают признавать, что эти допущения направляют нас по непродуктивному пути. В оставшейся части этого предисловия я опишу пять взаимосвязанных допущений и то, как изложенные в этой книге идеи обоснованно опровергают их.
Допущение 1. Аналитика, большие данные и ИИ – совершенно разные явления.
Многие полагают, что «традиционная» аналитика, большие данные и ИИ – это отдельные явления. Однако авторы книги «Разберись в Data Science» справедливо считают, что эти вещи тесно связаны друг с другом. Все они требуют статистического мышления, использования традиционных аналитических подходов, вроде регрессионного анализа, а также методов визуализации данных. Предиктивная аналитика – это, по сути, то же самое, что и контролируемое машинное обучение. Кроме того, большинство методов анализа данных работают с наборами данных любого размера. Короче говоря, главный по данным может эффективно работать во всех трех областях, так что заострять внимание на различиях между ними не очень продуктивно.
Допущение 2. В этой песочнице могут играть только дата-сайентисты.
Мы часто прославляли дата-сайентистов, полагая, что только они способны эффективно работать с данными и аналитикой. Тем не менее в настоящее время зарождается важная тенденция к демократизации этих идей, и все больше организаций расширяют полномочия «гражданских специалистов по работе с данным». Автоматизированные инструменты машинного обучения упрощают создание моделей, которые отлично справляются с прогнозированием. Разумеется, нам все еще нужны профессиональные дата-сайентисты для разработки новых алгоритмов и проверки работы гражданских специалистов, занимающихся сложным анализом. Однако организации, которые демократизируют занятие аналитикой и наукой о данных, привлекая к этому «любителей», способны значительно расширить использование этих важных возможностей.
Допущение 3. Дата-сайентисты – это единороги, обладающими всеми необходимыми навыками.
- 1
- 2
- 3
- . . .
- последняя (7) »
Книги схожие с «Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт» по жанру, серии, автору или названию:
Хелен Борри - Firebird. Руководство разработчика баз данных Жанр: Базы данных Год издания: 2006 |
Тамара Викторовна Ероховец - Технологии баз данных и знаний Жанр: Базы данных Год издания: 2008 |
Святослав Куликов - Реляционные базы данных в примерах Жанр: Базы данных Год издания: 2021 |
Другие книги из серии «Мировой компьютерный бестселлер»:
Антон Спрол - Думай как программист: креативный подход к созданию кода. С++ версия Жанр: C, C++, C# Год издания: 2018 Серия: Мировой компьютерный бестселлер |
Панос Луридас - Алгоритмы для начинающих: теория и практика для разработчика Жанр: Алгоритмы и структуры данных Год издания: 2018 Серия: Мировой компьютерный бестселлер |
Эл Свейгарт - Учим Python, делая крутые игры Жанр: Программирование игр Год издания: 2022 Серия: Мировой компьютерный бестселлер |
Ти Джей Краудер - Новые возможности JavaScript. Как написать чистый код по всем правилам современного языка Жанр: Базы данных Серия: Мировой компьютерный бестселлер |