Opinie czytelników
Obecnie brak opinii czytelników. Ocena opiera się na 4 głosach.
Oryginalny tytuł:
Data Science for Transport: A Self-Study Guide with Computer Exercises
Zawartość książki:
Ilość, różnorodność i dostępność danych transportowych szybko rośnie, co wymaga nowych umiejętności w zakresie zarządzania danymi i bazami danych oraz ich analizy. Ostatnie lata przyniosły nową falę "big data", "Data Science" i "inteligentnych miast" zmieniających świat, a Harvard Business Review opisał Data Science jako "najseksowniejszą pracę XXI wieku". Specjaliści i naukowcy zajmujący się transportem muszą być w stanie korzystać z danych i baz danych w celu ustalenia ilościowych, empirycznych faktów oraz walidacji i kwestionowania swoich modeli matematycznych, których aksjomaty tradycyjnie często były zakładane, a nie rygorystycznie testowane w oparciu o dane. Niniejsza książka przyjmuje wysoce praktyczne podejście do nauki o narzędziach Data Science i ich zastosowaniu do badania zagadnień transportowych. Skupia się głównie na praktycznej, profesjonalnej pracy z rzeczywistymi danymi i narzędziami, w tym na kwestiach biznesowych i etycznych.
" Praktyka modelowania transportu została opracowana w świecie ubogim w dane, a wiele z naszych obecnych technik i umiejętności opiera się na tym niedoborze. W nowym, bogatym w dane świecie wymagane narzędzia są inne, a kwestie etyczne związane z danymi i prywatnością są zdecydowanie inne. Nie jestem pewien, czy obecni specjaliści posiadają te umiejętności; i z pewnością nie jestem przekonany, że nasze obecne narzędzia do modelowania transportu przetrwają w środowisku bogatym w dane. To ekscytujący czas dla naukowców zajmujących się danymi w dziedzinie transportu. Próbujemy uporać się z możliwościami, jakie oferują duże źródła danych; ale jednocześnie takie umiejętności w zakresie danych muszą być połączone ze zrozumieniem transportu i modelowania transportu. Osoby posiadające te połączone umiejętności mogą odegrać kluczową rolę w dostarczaniu lepszych, szybszych i tańszych danych do podejmowania decyzji dotyczących transportu; i ostatecznie przyczynić się do innowacyjnych, wydajnych, opartych na danych technik modelowania przyszłości. Nic dziwnego, że ten kurs, ta książka, została napisana przez Institute for Transport Studies. Aby zrobić to dobrze, potrzebne jest połączenie akademickiego rygoru i praktycznego pragmatyzmu. Niewiele jest instytucji edukacyjnych lub badawczych lepiej do tego przygotowanych niż ITS Leeds ".
- Tom van Vuren, dyrektor oddziału, Mott MacDonald.
" WSP jest dumne z bycia liderem w świecie modelowania, planowania i ekonomii transportu i oferuje szeroki zakres możliwości dla osób posiadających umiejętności w tych obszarach. Baza dowodowa i prognozy, które dostarczamy w celu skutecznego wdrażania strategii i programów, są coraz bardziej skoncentrowane na danych i technologii - trend, który pomagaliśmy kształtować od lat 70-tych, ale ze szczególnym zakłóceniem i możliwościami w ostatnich latach. W wyniku tych trendów i w celu odpowiedniego przygotowania następnej generacji modelarzy transportu, poprosiliśmy wiodący na świecie Instytut Studiów Transportowych o zwiększenie umiejętności w tych obszarach, a oni odpowiedzieli nowym programem studiów magisterskich, który można teraz studiować za pośrednictwem tej książki ". - Leighton Cardwell, Dyrektor Techniczny, WSP.
" Od przetwarzania i analizowania dużych zbiorów danych, przez automatyzację zadań modelowania, czasami wymagających "rozmowy" między różnymi pakietami oprogramowania, po wizualizację danych, SYSTRA wykorzystuje szereg technik i narzędzi, aby zapewnić naszym klientom głębszy wgląd i skuteczne rozwiązania. Ta książka wykonuje doskonałą robotę, dając ci umiejętności zarządzania, przesłuchiwania i analizowania baz danych oraz opracowywania potężnych prezentacji. Kolejna ważna publikacja ITS Leeds." - Fitsum Teklu, Associate Director (Modelling & Appraisal) SYSTRA Ltd.
" Planowanie urbanistyczne od dziesięcioleci opiera się na praktykach statystycznych i obliczeniowych, które mają niewiele wspólnego z głównym nurtem nauki o danych. Informacje są nadal często wykorzystywane jako dowód na wpływ nowej infrastruktury.
