Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!

24,50

Koncepcja big data zmieniła zasady gry w biznesie. Wiele osób z kadry zarządczej nie rozumie specyfiki tego rodzaju danych: ogromnych, szybko narastających, często niepasujących do tradycyjnej struktury. Są one zasadniczo różne od konwencjonalnych danych, zarówno pod względem wielkości, jak i złożoności. Rzucają nowe wyzwania, stwarzają nowe możliwości, zacierają tradycyjne granice konkurencji i zmuszają do zmiany paradygmatów pozyskiwania wartości z danych. Big data i data science wraz z uczeniem maszynowym radykalnie zmieniają ekosystem biznesu. Aby przetrwać tę rewolucję, trzeba dostosować się do nowych warunków.Ta książka jest przystępnym wprowadzeniem do koncepcji big data i data science. Pozwoli na uzyskanie wiedzy niezbędnej do oceny, czy korzyści z tych technologii są warte kosztów i wysiłku związanych z wdrożeniem w firmie. Poszczególne techniki zostały dokładnie i przejrzyście opisane. Przedstawiono zasady tworzenia odpowiednich strategii. Wyjaśniono, jakich zasobów i jakich ludzi potrzeba do przeprowadzenia transformacji w kierunku zbierania, analizy i wykorzystywania danych, a także omówiono związane z tym ryzyko. Ważnym elementem książki są praktyczne wskazówki i podpowiedzi.W tej książce:podstawy big data, data science i sztucznej inteligencjipraktyczne zastosowanie big data w technikach analitycznychprzegląd podstawowych rodzajów analityki i dobór technologiiprzygotowanie firmy do wdrożenia projektów big data i data sciencewymagania prawne i ochrona danych a korzystanie z narzędzi big dataBig data: łatwiejsze, niż myślisz, skuteczniejsze, niż marzysz!Spis treści:Opinie o książceO autorzePodziękowaniaWprowadzenieRozdziałyCzęść 1. Wprowadzenie do koncepcji big dataRozdział 1. Historia big dataRozdział 2. Sztuczna inteligencja, uczenie maszynowe i big dataRozdział 3. Dlaczego technologie big data są użyteczne?Rozdział 4. Przykłady zastosowań big data w analizie danychRozdział 5. Zrozumieć ekosystem big dataCzęść 2. Jak wykorzystać ekosystem big data w swojej organizacji?Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?Rozdział 7. Strategia wykorzystywania big data oraz data scienceRozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynoweRozdział 9. Wybór technologiiRozdział 10. Budowanie zespołuRozdział 11. Zarządzanie danymi i kwestie prawneRozdział 12. Skuteczne realizowanie projektówCzęść 1. Wprowadzenie do koncepcji big dataRozdział 1. Historia big dataCo się zmieniło na początku XXI wieku?Dlaczego tak wiele danych?Rozpowszechnienie urządzeń generujących dane cyfroweTworzenie i publikowanie treści prywatnychAktywność użytkownikówUczenie maszynowe i Internet rzeczy (IoT)Badania naukoweMalejące koszty przestrzeni dyskowejMalejące koszty RAM-uMalejące koszty mocy obliczeniowejDlaczego koncepcja big data zyskała taką popularność?Pionierzy big data, którzy odnieśli sukcesOprogramowanie open source wyrównało szanse wśród twórców oprogramowaniaPrzetwarzanie w chmurze ułatwiło rozpoczynanie i skalowanie pomysłówPodsumowanieZastanów sięRozdział 2. Sztuczna inteligencja, uczenie maszynowe i big dataCzym są sztuczna inteligencja i uczenie maszynowe?Początki AISkąd niedawne odrodzenie AI?Sztuczne sieci neuronowe i uczenie głębokieJak AI pomaga w analizie wielkich zbiorów danych?Na co warto zwrócić uwagę?PodsumowanieZastanów sięRozdział 3. Dlaczego technologie big data są użyteczne?Całkiem nowe sposoby używania danychNowy sposób myślenia o danychStosowanie podejścia data-drivenInformacje ukryte w danychAnalizaLepsze narzędziaDane: im więcej, tym lepiejDodatkowe typy danychWartość danych o ścieżkach zakupowych klientówWiększe ilości danychPodsumowanieZastanów sięRozdział 4. Przykłady zastosowań big data w analizie danychTesty A/BSystemy rekomendacyjne/następna najlepsza ofertaPrognozowanie: popyt i przychodyOszczędzanie kosztów w ITMarketingMedia społecznościoweWycenyZatrzymywanie klientów i budowanie ich lojalnościPorzucanie koszyka (analizowane w czasie rzeczywistym)Optymalizacja współczynnika konwersjiDopasowywanie produktu w czasie rzeczywistymReklamy kontekstowe w czasie rzeczywistymWykrywanie nadużyć w czasie rzeczywistymOgraniczenie migracji klientówUtrzymanie według stanuZarządzanie łańcuchem dostawDługookresowa wartość klientaLead scoringZasoby ludzkieAnaliza sentymentuPodsumowanieZastanów sięRozdział 5. Zrozumieć ekosystem big dataKiedy dane można określać jako big data?Rozproszone przechowywanie danychRozproszone przetwarzanieFast data/strumieniowanie danychMgła obliczeniowa/przetwarzanie krawędzioweOprogramowanie open sourceHistoria open sourceLicencjonowanieDystrybucja koduKorzyści z open sourceOpen source a big dataPrzetwarzanie w chmurzePodsumowanieZastanów sięCzęść 2. Jak wykorzystać ekosystem big data w swojej organizacji?Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?Twoi klienciZdobywanie danychPlatformy cyfroweWsparcie klientaFizyczne położenie klientówŁączenie danych o klientachUżywanie danychŚcieżka zakupowaGrupy klientów (persony)TowaryKrytyczne interwencjeTwoja konkurencjaCzynniki zewnętrzneTwój własny produktPodsumowanieZastanów sięRozdział 7. Strategia wykorzystywania big data oraz data scienceZespół ludziSpecjaliści od strategiiSpecjaliści od biznesuSpecjaliści od analizySpecjaliści techniczniSpotkanie inauguracyjneStrategiaBiznesAnalizaTechnologiaEfekty spotkania inauguracyjnegoOmówienie zakresu projektuPodsumowanieZastanów sięRozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynoweCztery typy analitykiAnalityka opisowaAnalityka diagnostycznaAnalityka predykcyjnaAnalityka preskryptywnaModele, algorytmy i czarne skrzynkiProjektowanie modeluModele czarnoskrzynkowe w big dataDopasowywanie modelu do danychWdrażanie modeluSztuczna inteligencja i uczenie maszynoweOprogramowanie analityczneBazy danychBazy relacyjne (75%)Bazy dokumentowe (9%)Silniki wyszukiwania (5%)Bazy typu klucz-wartość (5%)Bazy kolumnowe (3%)Bazy grafowe (2%)Wybór bazy danychJęzyki programowaniaNarzędzia analityczneAgile w analitycePodsumowanieZastanów sięRozdział 9. Wybór technologiiWybór sprzętuWybór lokalizacji sprzętu: rozwiązania chmurowePrzenoszenie, oczyszczanie i przechowywanie danychWybór oprogramowaniaDostarczanie wyników użytkownikowi końcowemuRozważania na temat wyboru technologiiPodsumowanieZastanów sięRozdział 10. Budowanie zespołuSpecjaliści w zakresie data scienceRole potrzebne w zespole analitycznymPlatform engineerInżynier danychSpecjalista od algorytmówAnalityk biznesowyAnalityk sieciowySpecjalista od raportowaniaPrzywództwoPosiadanie trzech niepowiązanych umiejętnościWszechstronnie rozwinięte umiejętności techniczneUmiejętność dostarczania rezultatówProces zatrudniania na stanowisko przywódczeRekrutowanie specjalistów od danychZatrudnianie na dużą skalę i pozyskiwanie startupówOutsourcingMałe firmyPodsumowanieZastanów sięRozdział 11. Zarządzanie danymi i kwestie prawneDane osobowePrzepisy dotyczące ochrony prywatnościData science i ujawnianie informacji prywatnychZarządzanie danymiZarządzanie raportowaniemPodsumowanieZastanów sięRozdział 12. Skuteczne realizowanie projektówDlaczego projekty upadająWykorzystaj model data-drivenCały czas zadawaj pytania na temat swojego biznesuTestuj swoje przypuszczeniaUtwórz i monitoruj kluczowe wskaźniki efektywnościSięgaj po nowe pomysłyUporządkuj swoje danePozyskaj odpowiednich ludziPołącz silosy danychSkup się na wartości biznesowejKontroluj efektyKorzystaj z metodyki agileNa zakończeniePodsumowanieZastanów sięSłowniczek O autorze: David Stephenson jest naukowcem i konsultantem. Specjalizuje się w zagadnieniach data science oraz analityki big data. Od niemal dwudziestu lat tworzy narzędzia i rozwiązania analityczne wspomagające decyzje biznesowe o wartości milionów dolarów. Jest znanym w Europie i w USA ekspertem, z którego wiedzy czerpią najwyższej klasy firmy doradcze. Prowadził programy analityczne dla firm z sześciu kontynentów. Pochodzi z USA, obecnie mieszka w Amsterdamie.

pomorski kul, wrocław logistyka, wydłużenie czasu na maturze, goethe institut wrocław, krzysztof gołębiewski, spotkaj, alianse lotnicze, ctb gliwice, mateusz lewicki, piotr dymała, obora dla dzieci

yyyyy