"Lektura obowi

Osoby które kupowały "Nowoczesne analizy biznesowe. Zwi", wybierały także:

• Tabele i wykresy przestawne dla ka 199,00 zł, (69,65 zł -65%)
• Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych 149,00 zł, (67,05 zł -55%)
• Excel 2013. Kurs video. Poziom drugi. Przetwarzanie i analiza danych 79,00 zł, (35,55 zł -55%)
• Kompletny przewodnik po Power Query (M). Opanuj wykonywanie z 169,00 zł, (84,50 zł -50%)
• OSINT w praktyce. Jak gromadzi 67,00 zł, (33,50 zł -50%)

Spis treści

Nowoczesne analizy biznesowe. Zwiększanie wartości danych przy użyciu Pythona i R eBook -- spis treści

• Rola analityka biznesowego i analiz
  • Czym jest rola analityka biznesowego?
  • Dlaczego analityk biznesowy musi znać analitykę?
  • Wkład analityka biznesowego w wartość analityczną
  • Problemy biznesowe rozwiązywane przez analitykę
  • Cykl życia projektu analitycznego
  • Podsumowanie
• Metodologie projektów analitycznych
  • Zrozumienie biznesu
  • Poznawanie i przygotowywanie danych
  • Modelowanie i ocena
  • Wdrożenie
  • Operacje modelu
  • Podsumowanie
• Wprowadzenie do R i Pythona
  • Instalowanie R i Pythona oraz opcje konfiguracji
  • Pisanie skryptów w R i Pythonie
  • Koncepcje obiektowe
  • Typy danych w R i Pythonie
  • Interakcja z relacyjnymi bazami danych
  • Podsumowanie
• Analizy statystyczne
  • Przykładowy projekt analityczny
  • Zacznijmy od sformułowania problemu
  • Rozpoznawanie problemu analitycznego
  • EDA
  • Wizualizacje
  • Podsumowanie
• Eksploracyjna analiza danych w R i Pythonie
  • Jakość danych
  • Klasteryzacja i uczenie nienadzorowane
  • Identyfikowanie wartości odstających
  • Przygotowanie danych do modelowania
  • Wybieranie i redukowanie cech
  • Podsumowanie
• Stosowanie i ocena modelowania w R i Pythonie
  • Kroki modelowania
  • Wybieranie właściwego algorytmu
  • Regresja
  • Klasyfikacja
  • Podsumowanie
• Modelowanie i wybór algorytmu
  • Algorytmy
  • Kryteria wyboru algorytmu
  • Przykład: Wybieranie odpowiedniego algorytmu
  • Podsumowanie
• ModelOps
  • Przegląd operacji modelu
  • Procesy operacji modelu
  • Ocenianie modelu
  • Monitorowanie modelu
  • Ponowne trenowanie modelu
  • Generowanie raportów
  • Kontrola wersji i odtwarzalność modelu
  • Praktyki współdziałania i dokumentowania
  • Przypadki użycia ModelOps
  • Integracja z istniejącymi systemami i infrastrukturą
  • Kierunki rozwojowe MLOps
  • Podsumowanie
• Zaawansowane wizualizacje
  • Zaawansowane wizualizacje w R Shiny
  • Wizualizacje w Pythonie
  • Wizualizacje: R Shiny czy Python?
  • Podsumowanie
• Nowoczesne typy danych w analityce
  • Dane półstrukturalne (JSON)
  • Dane mediów społecznościowych
  • Dane obrazów
  • Dane wideo
  • Podsumowanie
• Mierzenie wartości biznesowej uzyskiwanej z analityki i rola AI
  • Czym jest wartość biznesowa w analityce?
  • Metryki i kluczowe wskaźniki do mierzenia wartości biznesowej
  • Przykłady przypadków biznesowych dla wartości analityki
  • AI oraz generatywna AI w analityce biznesowej
  • Przypadki użycia AI i generatywnej AI w analityce biznesowej
  • Problemy niespójności z faktami i współpraca człowieka ze sztuczną inteligencją
  • Wyzwania i uwarunkowania
  • Podsumowanie