Wczytuję dane...

Analityk danych Przewodnik po data science, statystyce i uczeniu maszynowym

Zasoby dotyczące bezpieczeństwa i produktów

Załączniki bezpieczeństwa

Załczniki do produktu

Załączniki dotyczące bezpieczeństwa produktu zawierają informacje o opakowaniu produktu i mogą dostarczać kluczowych informacji dotyczących bezpieczeństwa konkretnego produktu
Informacje o producencie

Informacje o producencie

Informacje dotyczące produktu obejmują adres i powiązane dane producenta produktu.

Helion
Osoba odpowiedzialna w UE

Osoba odpowiedzialna w UE

Podmiot gospodarczy z siedzibą w UE zapewniający zgodność produktu z wymaganymi przepisami.

Produkt dostępny!

46,43 PLN

Cena rynkowa: 69.00 PLN

KUP TERAZ!

Opis produktu
Dane techniczne

Musisz spojrzeć prawdzie w oczy: epoka danych to nie tylko imponujące możliwości, ale również obietnice bez pokrycia. Firmy wdrażają rozwiązania, które mają je wyręczać w podejmowaniu decyzji. Menedżerowie zatrudniają analityków, którzy nimi nie są. Specjaliści w dziedzinie data science są zatrudniani w organizacjach, które nie są na nich gotowe. Dyrektorzy wysłuchują technicznego żargonu i udają, że go rozumieją. Efekt? Pieniądze idą w błoto.
Oto praktyczny przewodnik po nauce o danych w miejscu pracy. Dowiesz się stąd wszystkiego, co ważne na początku Twojej drogi jako danologa: od osobowości, z którymi przyjdzie Ci pracować, przez detale analizy danych, po matematykę stojącą za algorytmami i uczeniem maszynowym. Nauczysz się myśleć krytycznie o danych i otrzymanych wynikach, będziesz też inteligentnie o tym mówić. Jednym zdaniem: zrozumiesz dane i związane z nimi wyzwania na głębszym, profesjonalnym poziomie.
To książka dla każdego, kto chce przestawić firmę na tory data science.
Eric Weber, kierownik ds. eksperymentów i badań metrycznych, Yelp
Naucz się:
* myśleć statystycznie i rozumieć rolę zmienności w podejmowaniu decyzji
* zadawać właściwe pytania na temat statystyk i wyników analiz
* sensownie korzystać z rozwiązań uczenia maszynowego i sztucznej inteligencji
* unikać typowych błędów podczas pracy z danymi i ich interpretowania
Data science? Odsiejesz piasek od złota!