Роман Зыков - Роман с Data Science. Как монетизировать большие данные
litresНазвание: | Роман с Data Science. Как монетизировать большие данные | |
Автор: | Роман Зыков | |
Жанр: | О бизнесе популярно | |
Изадано в серии: | it для бизнеса | |
Издательство: | Питер | |
Год издания: | 2021 | |
ISBN: | 978-5-4461-1879-3 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Роман с Data Science. Как монетизировать большие данные"
Как выжать все из своих данных? Как принимать решения на основе данных? Как организовать анализ данных (data science) внутри компании? Кого нанять аналитиком? Как довести проекты машинного обучения (machine learning) и искусственного интеллекта до топового уровня? На эти и многие другие вопросы Роман Зыков знает ответ, потому что занимается анализом данных почти двадцать лет. В послужном списке Романа – создание с нуля собственной компании с офисами в Европе и Южной Америке, ставшей лидером по применению искусственного интеллекта (AI) на российском рынке. Кроме того, автор книги создал с нуля аналитику в Ozon.ru.
Эта книга предназначена для думающих читателей, которые хотят попробовать свои силы в области анализа данных и создавать сервисы на их основе. Она будет вам полезна, если вы менеджер, который хочет ставить задачи аналитике и управлять ею. Если вы инвестор, с ней вам будет легче понять потенциал стартапа. Те, кто «пилит» свой стартап, найдут здесь рекомендации, как выбрать подходящие технологии и набрать команду. А начинающим специалистам книга поможет расширить кругозор и начать применять практики, о которых они раньше не задумывались, и это выделит их среди профессионалов такой непростой и изменчивой области. Книга не содержит примеров программного кода, в ней почти нет математики.
В формате PDF A4 сохранен издательский макет.
К этой книге применимы такие ключевые слова (теги) как: искусственный интеллект,big data,бизнес в Интернете,информационные технологии (IT),анализ данных,аналитика
Читаем онлайн "Роман с Data Science. Как монетизировать большие данные" (ознакомительный отрывок). [Страница - 3]
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (7) »
Как читать эту книгу
Я писал эту книгу так, чтобы ее можно было читать непоследовательно. Краткое содержание каждой главы:Глава 1 «Как мы принимаем решения» описывает общие принципы принятия решения, как данные влияют на них.
Глава 2 «Делаем анализ данных» вводит общие понятия – с какими артефактами мы имеем дело, когда анализируем данные. Кроме того, с этой главы я начинаю поднимать организационные вопросы анализа данных.
Глава 3 «Строим аналитику с нуля» рассказывает об организации процесса построения аналитики: от первых задач и выбора технологии, заканчивая наймом.
Глава 4 «Делаем аналитические задачи» – полностью о задачах. Что такое хорошая аналитическая задача, как ее проверить. Технические атрибуты таких задач – датасеты, описательные статистики, графики, парный анализ, технический долг.
Глава 5 «Данные» о том, что говорят о данных – объемы, доступы, качество и форматы.
Глава 6 «Хранилища данных» рассказывает, зачем нужны хранилища, какие они бывают, также затрагиваются популярные системы для Big Data – Hadoop и Spark.
Глава 7 «Инструменты анализа данных», полностью посвящена наиболее популярным способам анализа от электронных таблиц в Excel до облачных систем.
Глава 8 «Алгоритмы машинного обучения» является базовым введением в машинное обучение.
Глава 9 «Машинное обучение на практике» является продолжением предыдущей главы: даются лайфхаки, как изучать машинное обучение, как работать с машинным обучением, чтобы оно приносило пользу.
Глава 10 «Внедрение ML в жизнь: гипотезы и эксперименты» рассказывает о трех видах статистического анализа экспериментов (статистика Фишера, байесовская статистика и бутстрэп) и об использовании А/Б-тестов на практике.
Глава 11 «Этика данных». Я не смог пройти мимо этой темы, наша область начинает все больше и больше регулироваться со стороны государства. Здесь поговорим о причинах этих ограничений.
Глава 12 «Задачи и стартапы» рассказывает об основных задачах, которые я решал в e-commerce, а также о моем опыте сооснователя проекта Retail Rocket.
Глава 13 «Строим карьеру» больше предназначена для начинающих специалистов – как искать работу, развиваться и даже когда уходить дальше.
Глава 1 Как мы принимаем решения
«Итак, главный принцип – не дурачить самого себя. А себя как раз легче всего одурачить. Здесь надо быть очень внимательным. А если вы не дурачите сами себя, вам легко будет не дурачить других ученых. Тут нужна просто обычная честность.Монетизация данных возможна лишь тогда, когда мы принимаем на основе этих данных правильные решения. Однако делать выбор, руководствуясь только статистикой, – плохая идея: как минимум нужно уметь читать их между строк и слушать свою интуицию (gut feeling). Поэтому в первой главе я расскажу про принципы, которыми я пользуюсь, принимая решения на основе данных. Я проверял на своем опыте – они работают.Я хочу пожелать вам одной удачи – попасть в такое место, где вы сможете свободно исповедовать ту честность, о которой я говорил, и где ни необходимость упрочить свое положение в организации, ни соображения финансовой поддержки – ничто не заставит вас поступиться этой честностью. Да будет у вас эта свобода».
Нобелевский лауреат Ричард Фейнман, из выступления перед выпускниками Калтеха в 1974 году
Решения принимать непросто, ученые даже придумали новый термин «усталость от решений» (decision fatigue) [7]. Мы накапливаем стресс, совершая выбор каждый день сотни раз: и в какой-то момент, когда уже полностью вымотаны необходимостью принимать решения, можем махнуть рукой и начать действовать наугад. Я не зря привел в начале этой книги цитату выдающегося физика, нобелевского лауреата Ричарда Фейнмана. Она напрямую касается как аналитики данных, так и вообще нашей жизни.
Как принимать верные решения, оставаясь честным с собой?
В книге «Биология добра и зла. Как наука объясняет наши поступки» профессор Стэнфордского университета, нейробиолог Роберт --">- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (7) »
Книги схожие с «Роман с Data Science. Как монетизировать большие данные» по жанру, серии, автору или названию:
Тимоти Феррис - Как работать по 4 часа в неделю и при этом не торчать в офисе "от звонка до звонка" жить где угодно... Жанр: О бизнесе популярно Год издания: 2009 |
Марко Пакори - Предательский язык тела и мимики. Как понять, что тебе не рады Жанр: О бизнесе популярно Год издания: 2020 Серия: Научпоп для всех |
Майкл Мастерсон - Как заработать 1000000 за 7 лет. Руководство для тех, кто хочет стать миллионером Жанр: Личные финансы Год издания: 2008 Серия: Личные финансы |
Роза Азора - Как я выжила после развода и вышла из депрессии Жанр: Эротика, Секс Год издания: 2022 |
Другие книги из серии «it для бизнеса»:
Роб Коул, Эдвард Скотчер - Блистательный Agile. Гибкое управление проектами с помощью Agile, Scrum и Kanban Жанр: Справочная деловая литература Год издания: 2015 Серия: it для бизнеса |
Роман Зыков - Роман с Data Science. Как монетизировать большие данные Жанр: О бизнесе популярно Год издания: 2021 Серия: it для бизнеса |
Уэйн Винстон - Бизнес-моделирование и анализ данных. Решение актуальных задач с помощью Microsoft Excel Жанр: Учебники и самоучители по компьютеру Год издания: 2021 Серия: it для бизнеса |
Уэйн Винстон - Бизнес-моделирование и анализ данных. Решение актуальных задач с помощью Microsoft Excel Жанр: О бизнесе популярно Год издания: 2021 Серия: it для бизнеса |