"Kluczowe kompetencje specjalisty danych"
Identyfikator Librowy: 241190
Spis treści
Spis rysunków 10
Bonus dla Czytelników 13
Podziękowania 14
Wstęp 16
CZĘŚĆ I „O co w tym chodzi?” Najważniejsze zasady Data Science 18
Dokąd zmierzamy 19
Hamowanie postępu 20
Przyszłość to dane 20
01 Definicja danych 22
Dane są wszędzie 23
Wielkość (danych) ma znaczenie 24
Przechowywanie i przetwarzanie danych 26
Dane mają moc tworzenia 28
Użycie danych 30
Dlaczego właśnie teraz dane stały się ważne 31
Martwienie się nic nie da 33
Bibliografia 21 02 Jak dane spełniają nasze potrzeby 37
Wszechobecność danych 37
Data Science a potrzeby fizjologiczne 38
Data Science a potrzeby bezpieczeństwa 40
Data Science a potrzeby przynależności i miłości 43
Data Science a samodoskonalenie 47
Data Science a samorealizacja 47
Kilka słów podsumowania 48
Bibliografia 49
03 Sztuczna inteligencja a nasza przyszłość 51
Czym jest sztuczna inteligencja? 51
Silna sztuczna inteligencja 52
Robotyka i automatyzacja procesów 53
Słaba sztuczna inteligencja 53
Rozpoznawanie obrazów 55
Przetwarzanie języka naturalnego 57
Uczenie ze wzmocnieniem oraz uczenie głębokie 59
Ciemna strona sztucznej inteligencji 60
Przygotuj się na część II 68
Bibliografia 69
CZĘŚĆ II „Gdzie i jak je znajdę?” Gromadzenie i analiza danych 72
Proces Data Science 73
Pierwsze kroki 76
04 Określenie problemu 80
Spójrz mamo, nie ma danych! 81
Jak rozwiązać taki problem, jak… 82
Pilnowanie czasu 94
Sztuka mówienia nie 95
Bibliografia 96
Naprzód! 96
05 Przygotowanie danych 97
Spraw, żeby dane zaczęły mówić 97
Z wielką władzą wiąże się wielka odpowiedzialność 98
Przygotuj dane do podróży 100
Bibliografia 115
06 Klasyczna analiza danych 116
Nie pomiń tego kroku 116
Klasyfikacja 118
Klasyfikacja i analiza skupień 118
Drzewa decyzyjne 119
Lasy losowe 122
Algorytm k najbliższych są 126
Naiwny klasyfikator Bayesa 130
Klasyfikacja przy użyciu klasyfikatora Bayesa 135
Regresja logistyczna 140
Algorytm grupowania metodą k-średnich 149
Analiza skupień 149
Grupowanie hierarchiczne 159
Bibliografia 164
07 Nowoczesna analiza danych 165
Uczenie ze wzmocnieniem 165
Problem wielorękiego bandyty 167
Algorytm UCB 172
Próbkowanie Thompsona 179
Który algorytm jest lepszy – próbkowanie Thompsona czy UCB? 186
Głębokie uczenie maszynowe 188
Ustalanie wag – jak uczą się sztuczne sieci neuronowe 200
Bibliografia 203
Przyszłość analizy danych 203
CZĘŚĆ III „Jak to przedstawić?” Opowiadanie o danych 204
Jak dobrze wyglądać 204
Akcelerator kariery 205
Jeszcze nie skończyliśmy! 205
08 Wizualizacja danych 206
Czym jest analiza wizualna? 206
Czym jest wizualizacja danych? 211
Mówienie językiem wizualnym 212
Kroki tworzenia atrakcyjnych wizualizacji 214
Uwagi końcowe 220
Bibliografia 223
Idąc o krok dalej. Typy wykresów 224
09 Prezentacja danych 236
Znaczenie opowieści 236
Powołanie rzecznika danych 238
Jak stworzyć świetną prezentację 239
Bibliografia 248
Koniec procesu Data Science 248
10 Twoja kariera specjalisty danych 249
Wejście do świata Data Science 249
Ubieganie się o pracę 259
Przygotowanie do rozmowy kwalifikacyjnej 260
Przeprowadzanie wywiadu 262
Dbanie o rozwój firmowej kariery 263
Bibliografia 2 indeks 266