Nauka o danych dla profesjonalistów biznesowych: Praktyczny przewodnik dla początkujących (edycja angielska)

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 6 głosach.

Oryginalny tytuł:

Data Science for Business Professionals: A Practical Guide for Beginners (English Edition)

Zawartość książki:

Wprowadzenie do multidyscyplinarnego świata Data Science

Kluczowe cechy

⬤ Poznaj i wykorzystaj kluczowe koncepcje statystyki wymagane do rozwiązywania problemów związanych z nauką o danych.

⬤ Wykorzystanie Dockera, Jenkinsa i Gita do ciągłego rozwoju i ciągłej integracji aplikacji internetowej.

⬤ Dowiedz się, jak budować rozwiązania Data Science za pomocą GCP i AWS.

Opis

Książka początkowo wyjaśnia, dlaczego warto zajmować się nauką o danych i procesem rozwiązywania problemu związanego z nauką o danych. Omówione zostaną również podstawowe koncepcje Data Science, takie jak statystyka, uczenie maszynowe, analityka biznesowa, potok danych i przetwarzanie w chmurze. Wszystkie tematy zostaną wyjaśnione na przykładzie problemu i pokażą, jak branża podchodzi do rozwiązania takiego problemu. Książka będzie stawiać przed uczniami pytania w celu rozwiązania problemów i budowania umiejętności rozwiązywania problemów oraz skutecznego uczenia się. Książka wykorzystuje matematykę wszędzie tam, gdzie jest to konieczne i pokazuje, jak jest ona implementowana za pomocą Pythona z pomocą przykładowego zbioru danych.

Czego się nauczysz

⬤ Zrozumieć multidyscyplinarny charakter Data Science.

⬤ Zapoznać się z kluczowymi pojęciami z zakresu matematyki i statystyki.

⬤ Poznasz kilka kluczowych algorytmów ML i ich zastosowania.

⬤ Dowiedz się, jak wdrożyć podstawy Data Pipelines.

⬤ Zapoznanie się z tematyką Cloud Computing i DevOps.

⬤ Dowiedz się, jak tworzyć wizualizacje za pomocą Tableau.

Dla kogo jest ta książka

Ta książka jest idealna dla entuzjastów Data Science, którzy chcą poznać różne aspekty nauki o danych. Przydatna dla naukowców, właścicieli firm i badaczy, którzy chcą szybko zapoznać się z praktykami przemysłowymi w dziedzinie Data Science.

Spis treści

1. Data Science w praktyce.

2. Podstawy matematyki.

3. Podstawy statystyki.

4. Eksploracyjna analiza danych.

5. Wstępne przetwarzanie danych.

6. Inżynieria cech.

7. Algorytmy uczenia maszynowego.

8. Produkcja modeli ML.

9. Przepływy danych w przedsiębiorstwach.

10. Wprowadzenie do baz danych.

11. Wprowadzenie do Big Data.

12. DevOps dla nauki o danych.

13. Wprowadzenie do Cloud Computing.

14. Wdrażanie modelu w chmurze.

15. Wprowadzenie do Business Intelligence.

16. Narzędzia do wizualizacji danych.

17. Przypadek użycia w branży 1 - FormAssist.

18. Przypadek użycia 2 - PeopleReporter.

19. Zasoby edukacyjne z zakresu nauki o danych.

20. Wyzwania typu "zrób to sam".

21. MCQs dla ocen.

O autorze

Książka została napisana na podstawie zbiorowego doświadczenia wielu przeszłych projektów klientów Probyto, współpracy akademickiej i członków zespołu w ciągu ostatnich 5 lat. Wspólna praca jest reprezentowana przez różnych ekspertów w podejmowaniu decyzji opartych na danych i części, z którą mają do czynienia w tworzeniu wartości dla klientów w Probyto. Zespół składa się z doświadczonych profesjonalistów i świeżo upieczonych pracowników, którzy skorzystali z podejścia wspomnianego w książce. Dwa kluczowe wkłady w książkę trafiają do Parvej Reja Saleh (menedżer) i Namachivayam Dharmalingam (starszy analityk).

Linki do blogów: https: //probyto/resources/blogs.

Twój profil LinkedIn: https: //www.linkedin.com/company/probyto.