Nauka o danych zorientowana na człowieka: Wprowadzenie

Opinie czytelników

Książka oferuje wciągające i przystępne wprowadzenie do nauki o danych i sztucznej inteligencji, zawierające dobrze napisane historie i anegdoty, które upraszczają złożone tematy. Jest odpowiednia zarówno dla początkujących, jak i zaawansowanych czytelników, z cennymi spostrzeżeniami i studiami przypadków.

Wciągający i przyjemny styl pisania, upraszcza złożone tematy, intuicyjne wprowadzenie, cenne studia przypadków, odpowiednie dla szerokiego grona czytelników.

Brak istotnych wad wymienionych w recenzjach.

(na podstawie 2 opinii czytelników)

Oryginalny tytuł:

Human-Centered Data Science: An Introduction

Zawartość książki:

Najlepsze praktyki w zakresie radzenia sobie z uprzedzeniami i nierównościami, które mogą wynikać ze zautomatyzowanego gromadzenia, analizy i dystrybucji dużych zbiorów danych. Nauka o danych skoncentrowana na człowieku to nowa interdyscyplinarna dziedzina, która czerpie z interakcji człowiek-komputer, nauk społecznych, statystyki i technik obliczeniowych.

Ta książka, napisana przez założycieli tej dziedziny, wprowadza najlepsze praktyki w zakresie radzenia sobie z uprzedzeniami i nierównościami, które mogą wynikać z automatycznego gromadzenia, analizy i dystrybucji bardzo dużych zbiorów danych. Oferuje krótki i przystępny przegląd wielu popularnych statystycznych i algorytmicznych technik nauki o danych, wyjaśnia skoncentrowane na człowieku podejście do problemów nauki o danych oraz przedstawia praktyczne wskazówki i rzeczywiste studia przypadków, aby pomóc czytelnikom w zastosowaniu tych metod. Autorzy wyjaśniają, w jaki sposób wybory naukowców danych są zaangażowane na każdym etapie przepływu pracy w nauce o danych - i pokazują, w jaki sposób podejście skoncentrowane na człowieku może poprawić każdy z nich, czyniąc proces bardziej przejrzystym, zadając pytania i biorąc pod uwagę społeczny kontekst danych.

Opisują, w jaki sposób narzędzia z nauk społecznych mogą zostać włączone do praktyk nauki o danych, omawiają różne rodzaje współpracy i rozważają opowiadanie historii danych poprzez wizualizację. Książka pokazuje, że praktycy nauki o danych mogą budować rygorystyczne i etyczne algorytmy oraz projektować projekty, które wykorzystują najnowocześniejsze narzędzia obliczeniowe i odnoszą się do kwestii społecznych.