Pobierz fragment
Pobierz fragment w jednym z dostępnych formatów
- nowość
Data science, wyzwania i rozwiązania. Jak zostać ekspertem analizy danych - ebook
Format ebooka:
PDF
Format
PDF
czytaj
na laptopie
czytaj
na tablecie
Format e-booków, który możesz odczytywać na tablecie oraz
laptopie. Pliki PDF są odczytywane również przez czytniki i smartfony,
jednakze względu na komfort czytania i brak możliwości skalowania
czcionki, czytanie plików PDF na tych urządzeniach może być męczące dla
oczu. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Format
EPUB
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najpopularniejszych formatów e-booków na świecie.
Niezwykle wygodny i przyjazny czytelnikom - w przeciwieństwie do formatu
PDF umożliwia skalowanie czcionki, dzięki czemu możliwe jest dopasowanie
jej wielkości do kroju i rozmiarów ekranu. Więcej informacji znajdziesz
w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Format
MOBI
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najczęściej wybieranych formatów wśród czytelników
e-booków. Możesz go odczytać na czytniku Kindle oraz na smartfonach i
tabletach po zainstalowaniu specjalnej aplikacji. Więcej informacji
znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Multiformat
E-booki sprzedawane w księgarni Virtualo.pl dostępne są w opcji
multiformatu - kupujesz treść, nie format. Po dodaniu e-booka do koszyka
i dokonaniu płatności, e-book pojawi się na Twoim koncie w Mojej
Bibliotece we wszystkich formatach dostępnych aktualnie dla danego
tytułu. Informacja o dostępności poszczególnych formatów znajduje się na
karcie produktu przy okładce. Uwaga: audiobooki nie są objęte opcją
multiformatu.
czytaj
na laptopie
Pliki PDF zabezpieczone watermarkiem możesz odczytać na dowolnym
laptopie po zainstalowaniu czytnika dokumentów PDF. Najpowszechniejszym
programem, który umożliwi odczytanie pliku PDF na laptopie, jest Adobe
Reader. W zależności od potrzeb, możesz zainstalować również inny
program - e-booki PDF pod względem sposobu odczytywania nie różnią
niczym od powszechnie stosowanych dokumentów PDF, które odczytujemy
każdego dnia.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na tablecie
Aby odczytywać e-booki na swoim tablecie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. Bluefire
dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na czytniku
Czytanie na e-czytniku z ekranem e-ink jest bardzo wygodne i nie męczy
wzroku. Pliki przystosowane do odczytywania na czytnikach to przede
wszystkim EPUB (ten format możesz odczytać m.in. na czytnikach
PocketBook) i MOBI (ten fromat możesz odczytać m.in. na czytnikach Kindle).
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na smartfonie
Aby odczytywać e-booki na swoim smartfonie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. iBooks dla
EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
Pobierz fragment
Pobierz fragment w jednym z dostępnych formatów
Data science, wyzwania i rozwiązania. Jak zostać ekspertem analizy danych - ebook
Uczenie się i praktykowanie danologii nie należy do najłatwiejszych zadań. Edukacja w tej dziedzinie zazwyczaj dotyczy programowania i uczenia maszynowego, a przecież świetny analityk danych musi się znać na wielu innych zagadnieniach. Może się ich nauczyć w pracy, ale w tym celu konieczne jest znalezienie mentora. A to niestety nie zawsze jest możliwe.
Ten podręcznik zaczyna się tam, gdzie większość książek się kończy - od rzeczywistych procesów decyzyjnych opartych na wnioskach wynikających z danych.
Brett Holleman, niezależny danolog
Dzięki tej książce przyswoisz różne techniki, które pomogą Ci stać się bardziej produktywnym analitykiem danych. Najpierw zapoznasz się z tematami związanymi z rozumieniem danych i umiejętnościami miękkimi, które okazują się konieczne w pracy dobrego danologa. Dopiero potem skupisz się na kluczowych aspektach uczenia maszynowego. W ten sposób stopniowo przejdziesz ścieżkę od przeciętnego kandydata do wyjątkowego specjalisty data science. Umiejętności opisane w tym przewodniku przez wiele lat były rozpoznawane, katalogowane, analizowane i stosowane do generowania wartości i szkolenia danologów w różnych firmach i branżach.
Z książki dowiesz się:
- jak sprawić, by procesy oparte na analizie danych generowały wartość
- jak zaprojektować przydatne wskaźniki
- jak zdobywać poparcie interesariuszy
- jak się upewnić, że algorytm uczenia maszynowego nadaje się do rozwiązania danego zadania
- jak zapanować nad wyciekami danych
Oto brakujący podręcznik pozwalający odnieść sukces komercyjny dzięki data science!
Adri Purkayastha, dyrektor do spraw zagrożeń związanych z AI, BNP Paribas
Spis treści
Przedmowa
Część I. Techniki analityki danych
Rozdział 1. I co z tego? Generowanie wartości dzięki danologii
- Czym jest wartość?
- "Co?", czyli zrozumieć biznes
- "Co z tego?", czyli istota generowania wartości dzięki danologii
- "Co teraz?", czyli bądź przebojowy
- Pomiar wartości
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 2. Projektowanie wskaźników
- Pożądane właściwości wskaźników
- Mierzalność
- Możliwość podejmowania działań
- Trafność
- Aktualność
- Dekompozycja wskaźników
- Lejek analityczny
- Dekompozycje przepływów i zapasów
- Dekompozycje typu P×Q
- Przykład: inny sposób dekompozycji przychodów
- Przykład: platformy sprzedażowe
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 3. Dekompozycje wzrostu - zrozumienie przeszkód i sprzyjających czynników
- Dlaczego dekompozycje wzrostu?
- Dekompozycja addytywna
- Przykład
- Interpretacja i przypadki użycia
- Dekompozycja multiplikatywna
- Przykład
- Interpretacja
- Dekompozycja zmian wag i wartości
- Przykład
- Interpretacja
- Wyprowadzanie równań matematycznych
- Dekompozycja addytywna
- Dekompozycja multiplikatywna
- Dekompozycja mix-rate
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 4. Projekty 2×2
- Argumenty za upraszczaniem
- Czym jest projekt 2×2?
- Przykład: testowanie modelu i nowej cechy
- Przykład: zrozumienie zachowań użytkownika
- Przykład: udzielanie i akceptacja ofert kredytów
- Przykład: ustalanie priorytetów w procesie pracy
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 5. Tworzenie uzasadnienia biznesowego
- Wybrane zasady tworzenia uzasadnień biznesowych
- Przykład: proaktywna strategia zatrzymywania klientów
- Zapobieganie oszustwom
- Zakup zewnętrznych zbiorów danych
- Praca nad projektem z obszaru danologii
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 6. Czym jest wskaźnik przyrostu?
- Definicja wskaźnika przyrostu
- Przykład: model klasyfikatora
- Błędy wynikające z samoselekcji i przeżywalności
- Inne zastosowania wskaźników przyrostu
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 7. Narracje
- Co kryje się w narracji? Opowiadanie historii za pomocą danych
- Jasna i rzeczowa
- Wiarygodność
- Zapadająca w pamięć
- Możliwość podejmowania działań
- Tworzenie narracji
- Nauka jako opowiadanie historii
- "Co?", "co z tego?" i "co teraz?"
- Ostatnia prosta
- Streszczenia TL;DR
- Wskazówki dotyczące pisania zapadających w pamięć streszczeń TL;DR
- Przykład: pisanie streszczenia TL;DR tego rozdziału
- Skuteczne krótkie prezentacje
- Prezentowanie narracji
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 8. Wizualizacje danych - wybór właściwego wykresu do przekazania komunikatu
- Kilka przydatnych i rzadko używanych wizualizacji danych
- Wykres słupkowy a wykres liniowy
- Wykres nachylenia
- Wykres kaskadowy
- Funkcje wygładzania dla wykresów punktowych
- Prezentowanie rozkładów na wykresie
- Ogólne zalecenia
- Dobierz odpowiednią wizualizację dla przekazu
- Mądrze dobieraj kolory
- Różne wymiary na wykresie
- Staraj się uzyskać odpowiednio wysoki współczynnik dane/atrament
- Personalizacja a półautomatyzacja
- Na samym początku dobierz odpowiedni rozmiar czcionki
- Interaktywne czy nie?
- Zachowaj prostotę
- Zacznij od wyjaśnienia wykresu
- Najważniejsze wnioski
- Dalsza lektura
Część II. Uczenie maszynowe
Rozdział 9. Symulacje i bootstrapping
- Podstawy symulacji
- Symulacja modelu liniowego i regresji liniowej
- Czym są wykresy zależności częściowych?
- Błąd systematyczny z powodu pominięcia zmiennej
- Symulacja problemu klasyfikacji
- Modele zmiennych ukrytych
- Porównanie różnych algorytmów
- Bootstrapping
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 10. Regresja liniowa - powrót do podstaw
- Co kryje się za współczynnikiem?
- Twierdzenie Frischa-Waugha-Lovella
- Dlaczego twierdzenie FWL jest ważne?
- Czynniki zakłócające
- Dodatkowe zmienne
- Centralna rola wariancji w uczeniu maszynowym
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 11. Wyciekanie danych
- Czym jest wyciekanie danych?
- Wynik również jest cechą
- Funkcja wyniku sama też jest cechą
- Złe zmienne kontrolne
- Niewłaściwe oznaczenie znacznika czasu
- Wiele zbiorów danych z nieprecyzyjnymi agregacjami czasowymi
- Wyciekanie innych informacji
- Wykrywanie wyciekania danych
- Całkowita separacja
- Metoda okien
- Wybór długości okien
- Etap treningu odzwierciedla etap oceny punktowej
- Wdrażanie metody okien
- Mam wyciek. Co teraz?
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 12. Stosowanie modeli w środowisku produkcyjnym
- Co oznacza "gotowość produkcyjna"?
- Wsadowa ocena punktowa (w trybie offline)
- Obiekty modeli czasu rzeczywistego
- Dryf danych i modelu
- Etapy niezbędne w każdym potoku produkcyjnym
- Pobieranie i przekształcanie danych
- Sprawdzanie poprawności danych
- Etapy treningu i oceny punktowej
- Sprawdzanie poprawności modelu i ocen punktowych
- Zapisywanie modelu i ocen punktowych
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 13. Opowiadanie historii w uczeniu maszynowym
- Holistyczne spojrzenie na opowiadanie historii w uczeniu maszynowym
- Opowiadanie historii przed opracowaniem modelu i w trakcie tego procesu
- Tworzenie hipotez
- Inżynieria cech
- Opowiadanie historii po opracowaniu modelu: otwieranie czarnej skrzynki
- Kompromis między interpretowalnością a skutecznością
- Regresja liniowa: ustalenie punktu odniesienia
- Znaczenie cech
- Mapa cieplna
- Wykresy zależności częściowych
- Skumulowane efekty lokalne
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 14. Od predykcji do decyzji
- Analiza procesu podejmowania decyzji
- Proste reguły decyzyjne oparte na inteligentnym wyznaczaniu wartości progowych
- Precyzja i czułość
- Przykład: pozyskiwanie list kontaktów
- Optymalizacja macierzy błędów
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 15. Zmiany dodatkowe - Święty Graal danologii?
- Definiowanie zmian dodatkowych
- Wnioskowanie przyczynowe w celu poprawy predykcji
- Wnioskowanie przyczynowe jako wyróżnik
- Usprawnione podejmowanie decyzji
- Czynniki zakłócające i kolidery
- Błąd doboru
- Założenie o braku zmiennych zakłócających
- Radzenie sobie z błędem doboru - randomizacja
- Dopasowywanie
- Uczenie maszynowe i wnioskowanie przyczynowe
- Kod otwartoźródłowy
- Podwójne uczenie maszynowe
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 16. Testy A/B
- Czym są testy A/B?
- Kryterium decyzyjne
- Minimalne wykrywalne efekty
- Ustalanie mocy statystycznej, poziomu istotności i wartości P
- Szacowanie wariancji wyniku
- Symulacje
- Przykład: współczynniki konwersji
- Określanie wartości MWE
- Lista hipotez do zbadania
- Wskaźnik
- Hipoteza
- Uszeregowanie
- Zarządzanie eksperymentami
- Najważniejsze wnioski
- Dalsza lektura
Rozdział 17. Modele LLM i praktyka danologii
- Obecny stan sztucznej inteligencji
- Czym zajmują się danologowie?
- Ewolucja opisu stanowiska danologa
- Studium przypadku: testy A/B
- Studium przypadku: oczyszczanie danych
- Studium przypadku: uczenie maszynowe
- Modele LLM a ta książka
- Najważniejsze wnioski
- Dalsza lektura
Skorowidz
| Kategoria: | Programowanie |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-289-1295-3 |
| Rozmiar pliku: | 4,4 MB |
