Używamy cookies, aby ułatwić korzystanie z Portalu. Możesz określić warunki przechowywania, dostępu do plików cookies w Twojej przeglądarce. Dowiedz się więcej.
strona główna Strona główna | Nowości | Promocje | Zapowiedzi Twoje konto | Zarejestruj | Schowek | Kontakt | Pomoc
mapa działów
Szukaj: szukanie zaawansowane
Koszyk
Książki \ Bazy danych

Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes! Język: 1

978-83-283-5796-9

Cena Brutto: 49.00

Cena netto: 46.67

Ilość:
Wersja: Drukowana
Autor David Stephenson
Liczba_stron 240
Wydawnictwo Helion
Oprawa miękka
Data_Wydania 2019-11-19

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


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 inteligencji
  • praktyczne zastosowanie big data w technikach analitycznych
  • przegląd podstawowych rodzajów analityki i dobór technologii
  • przygotowanie firmy do wdrożenia projektów big data i data science
  • wymagania prawne i ochrona danych a korzystanie z narzędzi big data

Big data: łatwiejsze, niż myślisz, skuteczniejsze, niż marzysz!

    • Opinie o książce
    • O autorze
    • Podziękowania
    • Wprowadzenie
      • Rozdziały
        • Część 1. Wprowadzenie do koncepcji big data
          • Rozdział 1. Historia big data
          • Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data
          • Rozdział 3. Dlaczego technologie big data są użyteczne?
          • Rozdział 4. Przykłady zastosowań big data w analizie danych
          • Rozdział 5. Zrozumieć ekosystem big data
        • Część 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 science
          • Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe
          • Rozdział 9. Wybór technologii
          • Rozdział 10. Budowanie zespołu
          • Rozdział 11. Zarządzanie danymi i kwestie prawne
          • Rozdział 12. Skuteczne realizowanie projektów
    • Część 1. Wprowadzenie do koncepcji big data
    • Rozdział 1. Historia big data
      • Co się zmieniło na początku XXI wieku?
      • Dlaczego tak wiele danych?
      • Rozpowszechnienie urządzeń generujących dane cyfrowe
        • Tworzenie i publikowanie treści prywatnych
        • Aktywność użytkowników
        • Uczenie maszynowe i Internet rzeczy (IoT)
        • Badania naukowe
      • Malejące koszty przestrzeni dyskowej
      • Malejące koszty RAM-u
      • Malejące koszty mocy obliczeniowej
      • Dlaczego koncepcja big data zyskała taką popularność?
      • Pionierzy big data, którzy odnieśli sukces
      • Oprogramowanie open source wyrównało szanse wśród twórców oprogramowania
      • Przetwarzanie w chmurze ułatwiło rozpoczynanie i skalowanie pomysłów
      • Podsumowanie
      • Zastanów się
    • Rozdział 2. Sztuczna inteligencja, uczenie maszynowe i big data
      • Czym są sztuczna inteligencja i uczenie maszynowe?
      • Początki AI
      • Skąd niedawne odrodzenie AI?
      • Sztuczne sieci neuronowe i uczenie głębokie
      • Jak AI pomaga w analizie wielkich zbiorów danych?
      • Na co warto zwrócić uwagę?
      • Podsumowanie
      • Zastanów się
    • Rozdział 3. Dlaczego technologie big data są użyteczne?
      • Całkiem nowe sposoby używania danych
      • Nowy sposób myślenia o danych
      • Stosowanie podejścia data-driven
        • Informacje ukryte w danych
        • Analiza
      • Lepsze narzędzia
        • Dane: im więcej, tym lepiej
        • Dodatkowe typy danych
        • Wartość danych o ścieżkach zakupowych klientów
        • Większe ilości danych
      • Podsumowanie
      • Zastanów się
    • Rozdział 4. Przykłady zastosowań big data w analizie danych
      • Testy A/B
      • Systemy rekomendacyjne/następna najlepsza oferta
      • Prognozowanie: popyt i przychody
      • Oszczędzanie kosztów w IT
      • Marketing
      • Media społecznościowe
      • Wyceny
      • Zatrzymywanie klientów i budowanie ich lojalności
      • Porzucanie koszyka (analizowane w czasie rzeczywistym)
      • Optymalizacja współczynnika konwersji
      • Dopasowywanie produktu w czasie rzeczywistym
      • Reklamy kontekstowe w czasie rzeczywistym
      • Wykrywanie nadużyć w czasie rzeczywistym
      • Ograniczenie migracji klientów
      • Utrzymanie według stanu
      • Zarządzanie łańcuchem dostaw
      • Długookresowa wartość klienta
      • Lead scoring
      • Zasoby ludzkie
      • Analiza sentymentu
      • Podsumowanie
      • Zastanów się
    • Rozdział 5. Zrozumieć ekosystem big data
      • Kiedy dane można określać jako big data?
      • Rozproszone przechowywanie danych
      • Rozproszone przetwarzanie
      • Fast data/strumieniowanie danych
      • Mgła obliczeniowa/przetwarzanie krawędziowe
      • Oprogramowanie open source
      • Historia open source
      • Licencjonowanie
      • Dystrybucja kodu
      • Korzyści z open source
      • Open source a big data
      • Przetwarzanie w chmurze
      • Podsumowanie
      • Zastanów się
    • Część 2. Jak wykorzystać ekosystem big data w swojej organizacji?
    • Rozdział 6. W jaki sposób big data może pomóc w kierowaniu strategią?
      • Twoi klienci
      • Zdobywanie danych
        • Platformy cyfrowe
        • Wsparcie klienta
        • Fizyczne położenie klientów
        • Łączenie danych o klientach
      • Używanie danych
        • Ścieżka zakupowa
        • Grupy klientów (persony)
        • Towary
        • Krytyczne interwencje
      • Twoja konkurencja
      • Czynniki zewnętrzne
      • Twój własny produkt
      • Podsumowanie
      • Zastanów się
    • Rozdział 7. Strategia wykorzystywania big data oraz data science
      • Zespół ludzi
        • Specjaliści od strategii
        • Specjaliści od biznesu
        • Specjaliści od analizy
        • Specjaliści techniczni
      • Spotkanie inauguracyjne
        • Strategia
        • Biznes
        • Analiza
        • Technologia
      • Efekty spotkania inauguracyjnego
      • Omówienie zakresu projektu
      • Podsumowanie
      • Zastanów się
    • Rozdział 8. Wykorzystanie data science analityka, algorytmy i uczenie maszynowe
      • Cztery typy analityki
        • Analityka opisowa
        • Analityka diagnostyczna
        • Analityka predykcyjna
        • Analityka preskryptywna
      • Modele, algorytmy i czarne skrzynki
        • Projektowanie modelu
        • Modele czarnoskrzynkowe w big data
        • Dopasowywanie modelu do danych
        • Wdrażanie modelu
      • Sztuczna inteligencja i uczenie maszynowe
      • Oprogramowanie analityczne
        • Bazy danych
          • Bazy relacyjne (75%)
          • Bazy dokumentowe (9%)
          • Silniki wyszukiwania (5%)
          • Bazy typu klucz-wartość (5%)
          • Bazy kolumnowe (3%)
          • Bazy grafowe (2%)
          • Wybór bazy danych
        • Języki programowania
      • Narzędzia analityczne
      • Agile w analityce
      • Podsumowanie
      • Zastanów się
    • Rozdział 9. Wybór technologii
      • Wybór sprzętu
      • Wybór lokalizacji sprzętu: rozwiązania chmurowe
      • Przenoszenie, oczyszczanie i przechowywanie danych
      • Wybór oprogramowania
      • Dostarczanie wyników użytkownikowi końcowemu
      • Rozważania na temat wyboru technologii
      • Podsumowanie
      • Zastanów się
    • Rozdział 10. Budowanie zespołu
      • Specjaliści w zakresie data science
      • Role potrzebne w zespole analitycznym
        • Platform engineer
        • Inżynier danych
        • Specjalista od algorytmów
        • Analityk biznesowy
        • Analityk sieciowy
        • Specjalista od raportowania
      • Przywództwo
        • Posiadanie trzech niepowiązanych umiejętności
        • Wszechstronnie rozwinięte umiejętności techniczne
        • Umiejętność dostarczania rezultatów
        • Proces zatrudniania na stanowisko przywódcze
      • Rekrutowanie specjalistów od danych
      • Zatrudnianie na dużą skalę i pozyskiwanie startupów
      • Outsourcing
      • Małe firmy
      • Podsumowanie
      • Zastanów się
    • Rozdział 11. Zarządzanie danymi i kwestie prawne
      • Dane osobowe
      • Przepisy dotyczące ochrony prywatności
      • Data science i ujawnianie informacji prywatnych
      • Zarządzanie danymi
      • Zarządzanie raportowaniem
      • Podsumowanie
      • Zastanów się
    • Rozdział 12. Skuteczne realizowanie projektów
      • Dlaczego projekty upadają
        • Wykorzystaj model data-driven
          • Cały czas zadawaj pytania na temat swojego biznesu
          • Testuj swoje przypuszczenia
          • Utwórz i monitoruj kluczowe wskaźniki efektywności
          • Sięgaj po nowe pomysły
          • Uporządkuj swoje dane
        • Pozyskaj odpowiednich ludzi
        • Połącz silosy danych
        • Skup się na wartości biznesowej
        • Kontroluj efekty
        • Korzystaj z metodyki agile
      • Na zakończenie
      • Podsumowanie
      • Zastanów się
    • Słowniczek
powrót
 
Produkty Podobne
T-SQL Window Functions: For data analysis and beyond, 2nd Edition
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
Korporacyjne jezioro danych. Wykorzystaj potencjał big data w swojej organizacji
Kompletny przewodnik po DAX, wyd. 2 rozszerzone. Analiza biznesowa przy użyciu Microsoft Power BI, SQL Server Analysis Services i Excel
PHP, MySQL i JavaScript. Wprowadzenie. Wydanie V
Definitive Guide to DAX, The: Business intelligence for Microsoft Power BI, SQL Server Analysis Services, and Excel, 2nd Edition
Wprowadzenie do systemów baz danych. Wydanie VII
NoSQL, NewSQL i BigData. Bazy danych następnej generacji
PHP i MySQL. Dynamiczne strony WWW. Szybki start. Wydanie V
Przetwarzanie danych w dużej skali. Niezawodność, skalowalność i łatwość konserwacji systemów
Więcej produktów