9 pułapek nauki o danych

Opinie czytelników

Książka zapewnia cenny wgląd w naukę o danych, kładąc nacisk na krytyczne myślenie zamiast naiwnie akceptować wnioski z danych. Jest dostępna dla szerokiego grona odbiorców, w tym osób bez doświadczenia w nauce o danych, i zachęca czytelników do bycia świadomymi błędnych praktyk przetwarzania danych.

Wciągająca lektura dla szerokiego grona odbiorców, oferująca cenne perspektywy interpretacji danych, podkreślająca potrzebę krytycznego myślenia, zawierająca krytykę praktyk AI, zwiększająca świadomość pułapek związanych z przetwarzaniem danych.

Momentami nieco powtarzalna, może być powolna na początku dla osób już zaznajomionych z koncepcjami.

(na podstawie 5 opinii czytelników)

Oryginalny tytuł:

The 9 Pitfalls of Data Science

Zawartość książki:

Nauka o danych nigdy nie miała większego wpływu na świat. Duże firmy dostrzegają obecnie korzyści płynące z zatrudniania analityków danych do interpretacji ogromnych ilości danych, które obecnie istnieją. Jednak dziedzina ta jest tak nowa i rozwija się tak szybko, że przeprowadzona analiza może być w najlepszym przypadku przypadkowa.

The 9 Pitfalls of Data Science pokazuje nam rzeczywiste przykłady tego, co może pójść nie tak. Napisany jako zabawna lektura, ten nieoceniony przewodnik bada zbyt powszechne błędy naukowców zajmujących się danymi - którzy mogą być nękani przez leniwe myślenie, kaprysy, przeczucia i uprzedzenia - i wskazuje, w jaki sposób były one przyczyną wielu katastrof, w tym Wielkiej Recesji.

Gary Smith i Jay Cordes podkreślają, że rygor naukowy i umiejętność krytycznego myślenia są niezbędne w erze Big Data, ponieważ maszyny często znajdują bezsensowne wzorce, które mogą prowadzić do niebezpiecznych fałszywych wniosków. The 9 Pitfalls of Data Science jest pełne zabawnych opowieści zarówno o udanych, jak i błędnych podejściach do interpretacji danych, zarówno o wielkich sukcesach, jak i epickich porażkach. Te ostrzegawcze opowieści nie tylko pomogą naukowcom zajmującym się danymi być bardziej skutecznymi, ale także pomogą opinii publicznej odróżnić dobrą i złą naukę o danych.