KLUCZOWE KOMPETENCJE SPECJALISTY DANYCH. JAK PRACOWAĆ Z DANYMI I ZROBIĆ KARIERĘ wyd.2

ISBN: 978-83-01-21568-2

256 stron
format: B5
oprawa: miękka
Rok wydania: 2021

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.

SPIS TREŚCI

Spis rysunków

Bonus dla Czytelników

Podziękowania

Wstęp

CZEŚĆ I
"O co w tym chodzi?"
Najważniejsze zasady Data Science

Dokąd zmierzamy

Przyszłość to dane

Hamowanie postępu

01. Definicja danych
Dane są wszędzie
Wielkość (danych) ma znaczenie
Przechowywanie i przetwarzanie danych
Dane mają moc tworzenia
Użycie danych
Dlaczego właśnie teraz dane stały się ważne
Martwienie się nic nie da
Bibliografia

02. Jak dane spełniają nasze potrzeby
Wszechobecność danych
Data Science a potrzeby fizjologiczne
Data Science a potrzeby bezpieczeństwa
Data Science a potrzeby przynależności i miłości
Data Science a samorealizacja
Data Science a samodoskonalenie
Kilka słów podsumowania
Bibliografia

03. Sztuczna inteligencja a nasza przyszłość
Czym jest sztuczna inteligencja?
Silna sztuczna inteligencja
Słaba sztuczna inteligencja
Robotyka i automatyzacja procesów
Rozpoznawanie obrazów
Przetwarzanie języka naturalnego
Uczenie ze wzmocnieniem oraz uczenie głębokie
Ciemna strona sztucznej inteligencji
Przygotuj się na część II
Bibliografia

CZĘŚĆ II
"Gdzie i jak je znajdę?"
Gromadzenie i analiza danych

Proces Data Science

Pierwsze kroki

04. Określenie problemu
Spójrz mamo, nie ma danych!
Jak rozwiązać taki problem, jak
Pilnowanie czasu
Sztuka mówienia nie
Naprzód!
Bibliografia

05. Przygotowanie danych
Spraw, żeby dane zaczęły mówić
Z wielką władzą wiąże się wielka odpowiedzialność
Przygotuj dane do podróży
Bibliografia

06. Klasyczna analiza danych
Nie pomiń tego kroku
Klasyfikacja i analiza skupień
Klasyfikacja
Drzewa decyzyjne
Lasy losowe
Algorytm k najbliższych sąsiadów
Naiwny klasyfikator Bayesa
Klasyfikacja przy użyciu klasyfikatora Bayesa
Regresja logistyczna
Analiza skupień
Algorytm grupowania metodą k-średnich
Grupowanie hierarchiczne
Bibliografia

07. Nowoczesna analiza danych
Uczenie ze wzmocnieniem
Problem wielorękiego bandyty
Algorytm UCB
Próbkowanie Thompsona
Który algorytm jest lepszy - próbkowanie Thompsona czy UCB?
Głębokie uczenie maszynowe
Ustalanie wag - jak uczą się sztuczne sieci neuronowe
Przyszłość analizy danych
Bibliografia

CZĘŚĆ III
"Jak to przedstawić?"
Opowiadanie o danych

Jak dobrze wyglądać

Jeszcze nie skończyliśmy!

Akcelerator kariery

08. Wizualizacja danych
Czym jest analiza wizualna?
Czym jest wizualizacja danych?
Mówienie językiem wizualnym
Kroki tworzenia atrakcyjnych wizualizacji
Uwagi końcowe
Bibliografia
Idąc o krok dalej. Typy wykresów

09. Prezentacja danych
Znaczenie opowieści
Powołanie rzecznika danych
Jak stworzyć świetną prezentację
Koniec procesu Data Science
Bibliografia

10. Twoja kariera specjalisty danych
Wejście do świata Data Science
Ubieganie się o pracę
Przygotowanie do rozmowy kwalifikacyjnej
Przeprowadzanie wywiadu
Dbanie o rozwój firmowej kariery
Bibliografia

Indeks