Ocena:
Książka jest chwalona za kompleksowe omówienie tematów związanych z nauką o danych i wkład różnych autorów, dzięki czemu jest cenna zarówno dla początkujących, jak i doświadczonych osób. Niektórzy recenzenci wyrażają jednak niezadowolenie ze stanu otrzymanej książki i zauważają problemy z korektą i formatowaniem.
Zalety:⬤ Kompleksowe omówienie wszystkich aspektów nauki o danych
⬤ odpowiednie zarówno dla początkujących, jak i ekspertów
⬤ różni autorzy zapewniają zróżnicowane perspektywy
⬤ rozdziały można czytać niezależnie
⬤ wyjaśnia koncepcje kryjące się za równaniami w praktycznych kontekstach.
⬤ Problemy z fizycznym stanem książki (adnotacje i użyte kody)
⬤ wymaga korekty i poprawienia błędów
⬤ niektóre rozdziały mogą stanowić wyzwanie dla początkujących
⬤ niepotrzebne włączenie kodu.
(na podstawie 8 opinii czytelników)
The Handbook of Data Science and AI: Generate Value from Data with Machine Learning and Data Analytics
Data Science, Big Data i sztuczna inteligencja to obecnie jedne z najczęściej omawianych koncepcji w przemyśle, rządzie i społeczeństwie, a jednocześnie najbardziej niezrozumiałe. Ta książka wyjaśni te koncepcje i zapewni praktyczną wiedzę do ich zastosowania. Cechy:
- Kompleksowy przegląd różnych obszarów zastosowania nauki o danych.
- Studia przypadków z praktyki, dzięki którym opisane koncepcje stają się namacalne.
- Praktyczne przykłady pomagające w realizacji prostych projektów analizy danych.
Książka podchodzi do tematu nauki o danych z kilku stron. Przede wszystkim pokazuje, jak budować platformy danych oraz stosować narzędzia i metody nauki o danych. Po drodze pomoże ci zrozumieć - i wyjaśnić różnym interesariuszom - jak generować wartość z tych technik, takich jak zastosowanie nauki o danych, aby pomóc organizacjom w podejmowaniu szybszych decyzji, obniżaniu kosztów i otwieraniu nowych rynków. Co więcej, przybliży podstawowe pojęcia związane z nauką o danych, w tym statystyki, matematykę i kwestie prawne. Wreszcie, książka przedstawia praktyczne studia przypadków, które ilustrują, w jaki sposób wiedza generowana z danych zmienia różne branże w dłuższej perspektywie.
Zawiera następujące aktualne zagadnienia:
- Podstawy matematyki: Matematyka dla uczenia maszynowego, aby pomóc ci zrozumieć i wykorzystać różne algorytmy uczenia maszynowego.
- Uczenie maszynowe: Od statystycznego do neuronowego i od Transformers i GPT-3 do AutoML, wprowadzamy wspólne ramy do stosowania ML w praktyce.
- Przetwarzanie języka naturalnego: Narzędzia i techniki pozwalające uzyskać wgląd w dane tekstowe i rozwijać technologie językowe.
- Wizja komputerowa: Jak możemy uzyskać wgląd w obrazy i filmy dzięki nauce o danych?
- Modelowanie i symulacja: Modelowanie zachowania złożonych systemów, takich jak rozprzestrzenianie się COVID-19, i przeprowadzanie analizy What-If obejmującej różne scenariusze.
- ML i AI w produkcji: Jak przekształcić eksperymenty w działający produkt data science?
- Prezentowanie wyników: Podstawowe techniki prezentacji dla analityków danych.