Роман с Data Science, Как монетизировать большие данные, Зыков Р., 2021

Роман с Data Science, Как монетизировать большие данные, Зыков Р., 2021.
 
Как выжать все из своих данных? Как принимать решения на основе данных? Как организовать анализ данных (data science) внутри компании? Кого нанять аналитиком? Как довести проекты машинного обучения (machine learning) и искусственного интеллекта до топового уровня? На эти и многие другие вопросы Роман Зыков знает ответ, потому что занимается анализом данных почти двадцать лет. В послужном списке Романа — создание с нуля собственной компании с офисами в Европе и Южной Америке, ставшей лидером по применению искусственного интеллекта (AI) на российском рынке. Кроме того, автор книги создал с нуля аналитику в Ozon.ru. Эта книга предназначена для думающих читателей, которые хотят попробовать свои силы в области анализа данных и создавать сервисы на их основе. Она будет вам полезна, если вы менеджер, который хочет ставить задачи аналитике и управлять ею. Если вы инвестор, с ней вам будет легче понять потенциал стартапа. Те, кто «пилит» свой стартап, найдут здесь рекомендации, как выбрать подходящие технологии и набрать команду. А начинающим специалистам книга поможет расширить кругозор и начать применять практики, о которых они раньше не задумывались, и это выделит их среди профессионалов такой непростой и изменчивой области. Книга не содержит примеров программного кода, в ней почти нет математики.




АРТЕФАКТЫ МАШИННОГО ОБУЧЕНИЯ.
Раньше компьютером можно было управлять только с помощью прямых команд или инструкций: поверни сюда, дай назад, сложи и т.д. Это обычное, так называемое детерминированное программирование — для нас понятен алгоритм в виде инструкций, мы его описали, и компьютер подчиняется ему. Машинное обучение предполагает совершенно другой подход к программированию — обучение на примерах. Здесь мы показываем системе что-то с помощью примеров, тем самым избавляем себя от самостоятельного написания инструкций, что бывает совсем не просто. Это становится работой по обучению алгоритма ML.

ОГЛАВЛЕНИЕ.
Об авторе.
Благодарности.
От издательства.
Введение.
Глава 1.Как мы принимаем решения.
Глава 2.Делаем анализ данных.
Глава 3.Строим аналитику с нуля.
Глава 4.Делаем аналитические задачи.
Глава 5.Данные.
Глава 6.Хранилища данных.
Глава 7.Инструменты анализа данных.
Глава 8.Алгоритмы машинного обучения.
Глава 9.Машинное обучение на практике.
Глава 10.Внедрение ML в жизнь: гипотезы и эксперименты.
Глава 11.Этика данных.
Глава 12.Задачи и стартапы.
Глава 13.Строим карьеру.
Эпилог.
Список литературы.

Купить .



Хештеги: #Зыков :: #базы данных :: #стартапы :: #анализ данных :: #финансы