Data Science szturmem zdobyło nowe obszary wszystko jest większe, szybsze i lepsze. Większe możliwości obliczeniowe wprowadziły uczenie maszynowe i głębokie uczenie maszynowe na rynek. Tworzenie sztucznych sieci neuronowe jest znacznie prostsze. Sztuczna inteligencja zrewolucjonizowała wiele branż. Rozwój technologii byłby niemożliwy bez Data Science. Poznanie podstaw tej nauki otwiera wiele drzwi, bo specjaliści danych potrzebni są w wielu dziedzinach. Data Science jest wyjątkowo obiecującym obszarem prac i badań. Jeśli chcesz zrobić krok w stronę swojej kariery w Data Science, książka Kluczowe kompetencje specjalisty danych jest dla Ciebie. Jest to publikacja, która w sposób kompleksowy omawia takie kwestie jak: gromadzenie danych, przygotowanie danych, analiza danych, wizualizacja danych, prezentacja danych. Część I wprowadzi Cię w świat wszechobecnych danych i najważniejszych zasad Data Science, które pomogą Ci pogłębić posiadaną wiedzę. Część II przeprowadzi Cię przez etap gromadzenia i analizy danych. W Części III dowiesz się, jak najlepiej zwizualizować i zaprezentować wyniki swojej pracy.

Osoby które kupowały "Kluczowe kompetencje specjalisty danych", wybierały także:

• NLP. Kurs video. Analiza danych tekstowych w j 149,00 zÅ‚, (59,60 zÅ‚ -60%)
• Web scraping. Kurs video. Zautomatyzowane pozyskiwanie danych z sieci 139,00 zÅ‚, (55,60 zÅ‚ -60%)
• Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zÅ‚, (79,60 zÅ‚ -60%)
• Microsoft Excel. Kurs video. Wykresy i wizualizacja danych 199,00 zÅ‚, (89,55 zÅ‚ -55%)
• Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych 149,00 zÅ‚, (67,05 zÅ‚ -55%)

Spis treści

Kluczowe kompetencje specjalisty danych eBook -- spis treści

• OkÅ‚adka
• Strona tytuÅ‚owa
• Strona redakcyjna
• Spis treÅ›ci
• Bonus dla Czytelników
• PodziÄ™kowania
• WstÄ™p
• Część I O co w tym chodzi? Najważniejsze zasady Data Science
  • DokÄ…d zmierzamy
  • PrzyszÅ‚ość to dane
  • Hamowanie postÄ™pu
  • 01 Definicja danych
    • Dane sÄ… wszÄ™dzie
    • Wielkość (danych) ma znaczenie
    • Przechowywanie i przetwarzanie danych
    • Dane majÄ… moc tworzenia
    • Użycie danych
    • Dlaczego wÅ‚aÅ›nie teraz dane staÅ‚y siÄ™ ważne
    • Martwienie siÄ™ nic nie da
    • Bibliografia
  • 02 Jak dane speÅ‚niajÄ… nasze potrzeby
    • Wszechobecność danych
    • Data Science a potrzeby fizjologiczne
    • Data Science a potrzeby bezpieczeÅ„stwa
    • Data Science a potrzeby przynależnoÅ›ci i miÅ‚oÅ›ci
    • Data Science a samorealizacja
    • Data Science a samodoskonalenie
    • Kilka słów podsumowania
    • Bibliografia
  • 03 Sztuczna inteligencja a nasza przyszÅ‚ość
    • Czym jest sztuczna inteligencja?
    • Silna sztuczna inteligencja
    • SÅ‚aba sztuczna inteligencja
    • Robotyka i automatyzacja procesów
    • Rozpoznawanie obrazów
    • Przetwarzanie jÄ™zyka naturalnego
    • Uczenie ze wzmocnieniem oraz uczenie gÅ‚Ä™bokie
    • Ciemna strona sztucznej inteligencji
    • Przygotuj siÄ™ na część II
    • Bibliografia
• Część II Gdzie i jak je znajdÄ™? Gromadzenie i analiza danych
  • Proces Data Science
  • Pierwsze kroki
  • 04 OkreÅ›lenie problemu
    • Spójrz mamo, nie ma danych!
    • Jak rozwiÄ…zać taki problem, jak
    • Pilnowanie czasu
    • Sztuka mówienia nie
    • Naprzód!
    • Bibliografia
  • 05 Przygotowanie danych
    • Spraw, żeby dane zaczęły mówić
    • Z wielkÄ… wÅ‚adzÄ… wiąże siÄ™ wielka odpowiedzialność
    • Przygotuj dane do podróży
    • Bibliografia
  • 06 Klasyczna analiza danych
    • Nie pomiÅ„ tego kroku
    • Klasyfikacja i analiza skupieÅ„
    • Klasyfikacja
    • Drzewa decyzyjne
    • Lasy losowe
    • Algorytm k najbliższych sÄ…siadów
    • Naiwny klasyfikator Bayesa
    • Klasyfikacja przy użyciu klasyfikatora Bayesa
    • Regresja logistyczna
    • Analiza skupieÅ„
    • Algorytm grupowania metodÄ… k-Å›rednich
    • Grupowanie hierarchiczne
    • Bibliografia
  • 07 Nowoczesna analiza danych
    • Uczenie ze wzmocnieniem
    • Problem wielorÄ™kiego bandyty
    • Algorytm UCB
    • Próbkowanie Thompsona
    • Który algorytm jest lepszy próbkowanie Thompsona czy UCB?
    • GÅ‚Ä™bokie uczenie maszynowe
    • Ustalanie wag jak uczÄ… siÄ™ sztuczne sieci neuronowe
    • PrzyszÅ‚ość analizy danych
    • Bibliografia
• Część III Jak to przedstawić? Opowiadanie o danych
  • Jak dobrze wyglÄ…dać
  • Jeszcze nie skoÅ„czyliÅ›my!
  • Akcelerator kariery
  • 08 Wizualizacja danych
    • Czym jest analiza wizualna?
    • Czym jest wizualizacja danych?
    • Mówienie jÄ™zykiem wizualnym
    • Kroki tworzenia atrakcyjnych wizualizacji
    • Uwagi koÅ„cowe
    • Bibliografia
    • IdÄ…c o krok dalej Typy wykresów
  • 09 Prezentacja danych
    • Znaczenie opowieÅ›ci
    • PowoÅ‚anie rzecznika danych
    • Jak stworzyć Å›wietnÄ… prezentacjÄ™
    • Koniec procesu Data Science
    • Bibliografia
  • 10 Twoja kariera specjalisty danych
    • WejÅ›cie do Å›wiata Data Science
    • Ubieganie siÄ™ o pracÄ™
    • Przygotowanie do rozmowy kwalifikacyjnej
    • Przeprowadzanie wywiadu
    • Dbanie o rozwój firmowej kariery
    • Bibliografia
• O Autorze
• Przypisy