Большие данные, наука о данных и искусственный интеллект без секретов

Товар

2 459  ₽
Большие данные, наука о данных и искусственный интеллект без секретов
  • 0 раз купили
  • 4.85  оценка
  • 2 осталось
  • 41 отзыв

Доставка

  • Почта России

    1259 ₽

  • Курьерская доставка EMS

    1576 ₽

Характеристики

Артикул
15853560000
Состояние
Новый
Język publikacji
polski
Tytuł
Big data, nauka o danych i AI bez tajemnic
Autor
David Stephenson
Nośnik
książka papierowa
Okładka
miękka
Rok wydania
2019
Waga produktu z opakowaniem jednostkowym
0.398 kg
Wydawnictwo
Helion
Liczba stron
240
Wysokość produktu
1 cm

Описание

Big data, nauka o danych i AI bez tajemnic

Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!

David Stephenson

Koncepcja big data zmieniła zasady gry w biznesie. Wiele osób z kadry zarządczej nie rozumie specyfiki tego rodzaju danych: ogromnych, szybko narastających, często niepasujących do tradycyjnej struktury. Są one zasadniczo różne od konwencjonalnych danych, zarówno pod względem wielkości, jak i złożoności. Rzucają nowe wyzwania, stwarzają nowe możliwości, zacierają tradycyjne granice konkurencji i zmuszają do zmiany paradygmatów pozyskiwania wartości z danych. Big data i data science wraz z uczeniem maszynowym radykalnie zmieniają ekosystem biznesu. Aby przetrwać tę rewolucję, trzeba dostosować się do nowych warunków.

Ta książka jest przystępnym wprowadzeniem do koncepcji big data i data science. Pozwoli na uzyskanie wiedzy niezbędnej do oceny, czy korzyści z tych technologii są warte kosztów i wysiłku związanych z wdrożeniem w firmie. Poszczególne techniki zostały dokładnie i przejrzyście opisane. Przedstawiono zasady tworzenia odpowiednich strategii. Wyjaśniono, jakich zasobów i jakich ludzi potrzeba do przeprowadzenia transformacji w kierunku zbierania, analizy i wykorzystywania danych, a także omówiono związane z tym ryzyko. Ważnym elementem książki są praktyczne wskazówki i podpowiedzi.

W tej książce:

  • podstawy big data, data science i sztucznej inteligencji
  • praktyczne zastosowanie big data w technikach analitycznych
  • przegląd podstawowych rodzajów analityki i dobór technologii
  • przygotowanie firmy do wdrożenia projektów big data i data science
  • wymagania prawne i ochrona danych a korzystanie z narzędzi big data

Spis treści

  • Opinie o książce
  • O autorze
  • Podziękowania
  • Wprowadzenie

    Rozdziały

    Część 1. Wprowadzenie do koncepcji big data

    Rozdział 1. Historia big data

    Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data

    Rozdział 3. Dlaczego technologie big data są użyteczne?

    Rozdział 4. Przykłady zastosowań big data w analizie danych

    Rozdział 5. Zrozumieć ekosystem big data

    Część 2. Jak wykorzystać ekosystem big data w swojej organizacji?

    Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?

    Rozdział 7. Strategia wykorzystywania big data oraz data science

    Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe

    Rozdział 9. Wybór technologii

    Rozdział 10. Budowanie zespołu

    Rozdział 11. Zarządzanie danymi i kwestie prawne

    Rozdział 12. Skuteczne realizowanie projektów

  • Część 1. Wprowadzenie do koncepcji big data
  • Rozdział 1. Historia big data

    Co się zmieniło na początku XXI wieku?

    Dlaczego tak wiele danych?

    Rozpowszechnienie urządzeń generujących dane cyfrowe

    Tworzenie i publikowanie treści prywatnych

    Aktywność użytkowników

    Uczenie maszynowe i Internet rzeczy (IoT)

    Badania naukowe

    Malejące koszty przestrzeni dyskowej

    Malejące koszty RAM-u

    Malejące koszty mocy obliczeniowej

    Dlaczego koncepcja big data zyskała taką popularność?

    Pionierzy big data, którzy odnieśli sukces

    Oprogramowanie open source wyrównało szanse wśród twórców oprogramowania

    Przetwarzanie w chmurze ułatwiło rozpoczynanie i skalowanie pomysłów

    Podsumowanie

    Zastanów się

  • Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data

    Czym są sztuczna inteligencja i uczenie maszynowe?

    Początki AI

    Skąd niedawne odrodzenie AI?

    Sztuczne sieci neuronowe i uczenie głębokie

    Jak AI pomaga w analizie wielkich zbiorów danych?

    Na co warto zwrócić uwagę?

    Podsumowanie

    Zastanów się

  • Rozdział 3. Dlaczego technologie big data są użyteczne?

    Całkiem nowe sposoby używania danych

    Nowy sposób myślenia o danych

    Stosowanie podejścia data-driven

    Informacje ukryte w danych

    Analiza

    Lepsze narzędzia

    Dane: im więcej, tym lepiej

    Dodatkowe typy danych

    Wartość danych o ścieżkach zakupowych klientów

    Większe ilości danych

    Podsumowanie

    Zastanów się

  • Rozdział 4. Przykłady zastosowań big data w analizie danych

    Testy A/B

    Systemy rekomendacyjne/następna najlepsza oferta

    Prognozowanie: popyt i przychody

    Oszczędzanie kosztów w IT

    Marketing

    Media społecznościowe

    Wyceny

    Zatrzymywanie klientów i budowanie ich lojalności

    Porzucanie koszyka (analizowane w czasie rzeczywistym)

    Optymalizacja współczynnika konwersji

    Dopasowywanie produktu w czasie rzeczywistym

    Reklamy kontekstowe w czasie rzeczywistym

    Wykrywanie nadużyć w czasie rzeczywistym

    Ograniczenie migracji klientów

    Utrzymanie według stanu

    Zarządzanie łańcuchem dostaw

    Długookresowa wartość klienta

    Lead scoring

    Zasoby ludzkie

    Analiza sentymentu

    Podsumowanie

    Zastanów się

  • Rozdział 5. Zrozumieć ekosystem big data

    Kiedy dane można określać jako big data?

    Rozproszone przechowywanie danych

    Rozproszone przetwarzanie

    Fast data/strumieniowanie danych

    Mgła obliczeniowa/przetwarzanie krawędziowe

    Oprogramowanie open source

    Historia open source

    Licencjonowanie

    Dystrybucja kodu

    Korzyści z open source

    Open source a big data

    Przetwarzanie w chmurze

    Podsumowanie

    Zastanów się

  • Część 2. Jak wykorzystać ekosystem big data w swojej organizacji?
  • Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?

    Twoi klienci

    Zdobywanie danych

    Platformy cyfrowe

    Wsparcie klienta

    Fizyczne położenie klientów

    Łączenie danych o klientach

    Używanie danych

    Ścieżka zakupowa

    Grupy klientów (persony)

    Towary

    Krytyczne interwencje

    Twoja konkurencja

    Czynniki zewnętrzne

    Twój własny produkt

    Podsumowanie

    Zastanów się

  • Rozdział 7. Strategia wykorzystywania big data oraz data science

    Zespół ludzi

    Specjaliści od strategii

    Specjaliści od biznesu

    Specjaliści od analizy

    Specjaliści techniczni

    Spotkanie inauguracyjne

    Strategia

    Biznes

    Analiza

    Technologia

    Efekty spotkania inauguracyjnego

    Omówienie zakresu projektu

    Podsumowanie

    Zastanów się

  • Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe

    Cztery typy analityki

    Analityka opisowa

    Analityka diagnostyczna

    Analityka predykcyjna

    Analityka preskryptywna

    Modele, algorytmy i czarne skrzynki

    Projektowanie modelu

    Modele czarnoskrzynkowe w big data

    Dopasowywanie modelu do danych

    Wdrażanie modelu

    Sztuczna inteligencja i uczenie maszynowe

    Oprogramowanie analityczne

    Bazy danych

    Bazy relacyjne (75%)

    Bazy dokumentowe (9%)

    Silniki wyszukiwania (5%)

    Bazy typu klucz-wartość (5%)

    Bazy kolumnowe (3%)

    Bazy grafowe (2%)

    Wybór bazy danych

    Języki programowania

    Narzędzia analityczne

    Agile w analityce

    Podsumowanie

    Zastanów się

  • Rozdział 9. Wybór technologii

    Wybór sprzętu

    Wybór lokalizacji sprzętu: rozwiązania chmurowe

    Przenoszenie, oczyszczanie i przechowywanie danych

    Wybór oprogramowania

    Dostarczanie wyników użytkownikowi końcowemu

    Rozważania na temat wyboru technologii

    Podsumowanie

    Zastanów się

  • Rozdział 10. Budowanie zespołu

    Specjaliści w zakresie data science

    Role potrzebne w zespole analitycznym

    Platform engineer

    Inżynier danych

    Specjalista od algorytmów

    Analityk biznesowy

    Analityk sieciowy

    Specjalista od raportowania

    Przywództwo

    Posiadanie trzech niepowiązanych umiejętności

    Wszechstronnie rozwinięte umiejętności techniczne

    Umiejętność dostarczania rezultatów

    Proces zatrudniania na stanowisko przywódcze

    Rekrutowanie specjalistów od danych

    Zatrudnianie na dużą skalę i pozyskiwanie startupów

    Outsourcing

    Małe firmy

    Podsumowanie

    Zastanów się

  • Rozdział 11. Zarządzanie danymi i kwestie prawne

    Dane osobowe

    Przepisy dotyczące ochrony prywatności

    Data science i ujawnianie informacji prywatnych

    Zarządzanie danymi

    Zarządzanie raportowaniem

    Podsumowanie

    Zastanów się

  • Rozdział 12. Skuteczne realizowanie projektów

    Dlaczego projekty upadają

    Wykorzystaj model data-driven

    Cały czas zadawaj pytania na temat swojego biznesu

    Testuj swoje przypuszczenia

    Utwórz i monitoruj kluczowe wskaźniki efektywności

    Sięgaj po nowe pomysły

    Uporządkuj swoje dane

    Pozyskaj odpowiednich ludzi

    Połącz silosy danych

    Skup się na wartości biznesowej

    Kontroluj efekty

    Korzystaj z metodyki agile

    Na zakończenie

    Podsumowanie

    Zastanów się

  • Słowniczek

Гарантии

  • Гарантии

    Мы работаем по договору оферты и предоставляем все необходимые документы.

  • Лёгкий возврат

    Если товар не подошёл или не соответсвует описанию, мы поможем вернуть его.

  • Безопасная оплата

    Банковской картой, электронными деньгами, наличными в офисе или на расчётный счёт.

Отзывы о товаре

Рейтинг товара 4.85 / 5

41 отзыв

Russian English Polish