"Data science: najseksowniejszy zawód XXI wieku w Polsce"

Spis treści

Podziękowania 7

Rozdział 1. Uwagi wstępne 9

1.1. Historia terminów związanych z data science 10

1.1.1. Big data 11

1.1.2. Sztuczna inteligencja 14

1.1.3. Uczenie maszynowe 16

1.1.4. Data science 18

1.2. Cel pracy 23

2.1. Nauki ścisłe i techniczne 25

Rozdział 2. Data science w literaturze naukowej 25

2.2. Nauki społeczne i humanistyczne 31

2.2.1. Krytyka epistemologiczno-metodologiczna 31

2.2.2. Data science jako strategia badań w naukach społecznych i humanistyce 33

2.2.3. Konsekwencje społeczne data science/AI/big data 38

2.2.4. Data science jako podmiot badań 41

Rozdział 3. Rama teoretyczna i metodologia badań własnych 47

3.1. Społeczne światy/areny 48

3.2. Analiza sytuacyjna i ugruntowane teoretyzowanie 54

3.3. Techniki badawcze i analityczne 56

3.4. Usytuowanie badacza 60

3.5. Kwestie etyczne w badaniach własnych 62

4.1. Data science w Polsce – ujęcie ilościowe 65

Rozdział 4. Elementy społecznego świata data science 65

4.2. Sposoby definiowania działania podstawowego w data science 75

4.2.1. Działanie podstawowe data science 76

4.2.2. Data science – komercyjne, akademickie, hobbystyczne – zapisany w kodzie proces operacji na danych 88

4.2.3. Przykłady zastosowania data science 90

4.3. Technologie społecznego świata 94

4.3.1. Języki programowania 95

4.3.2. Bazy danych 112

4.3.3. Obliczenia lokalne, w chmurze, rozproszone 124

4.3.4. Komunikacja lub współpraca 134

4.3.5. Przemilczane technologie 146

4.3.6. Stos technologiczny data science 155

4.4. Wartości społecznego świata data science 165

4.4.1. Efektywność 165

4.4.2. Sprawczość 178

4.4.3. Samorozwój i samodzielność 183

4.4.4. Ciekawość 187

4.4.5. Swoboda 190

4.4.6. Racjonalność 194

4.4.7. Wartości społecznego świata data science – podsumowanie 197

5.1. Procesy zachodzące w społecznym świecie data science 201

5.1.1. Wyznaczanie granic społecznego świata 201

Rozdział 5. Dynamika społecznego świata 201

5.1.2. Legitymizacja i zaświadczanie o autentyczności 209

5.1.2.1. Dużo danych 209

5.1.2.2. Prawdziwy data scientista 212

5.1.3. Segmentacja – profesjonalizacja 225

5.2. Areny społecznego świata data science 230

5.2.1. Modelowanie 231

5.2.1.1. Sztuczna inteligencja to slajd w PowerPoincie 250

5.2.1.2. Magia i majsterkowanie 255

5.2.2. Data scientistka 259

5.2.3. Python, R i Excel 272

Zakończenie 283

Aneks 289

Bibliografia 293

Spis rysunków 345

Spis tabel 347