Деталі електронної книги

Nowoczesne analizy biznesowe. Zwiększanie wartości danych przy użyciu Pythona i R

Nowoczesne analizy biznesowe. Zwiększanie wartości danych przy użyciu Pythona i R

Deanne Larson

Завантаження...
EЛЕКТРОННА КНИГА

"Lektura obowiązkowa dla wszystkich analityków biznesowych i danetyków."

Balaji Dhamodharan, światowy lider w dziedzinie danetyki, NXP Semiconductors

"Ta książka to niezastąpione źródło wiedzy dla każdego, kto pragnie opanować szybko zmieniający się świat analityki."

Lipi Deepaakshi Patnaik, starszy inżynier oprogramowania, Zeta

Wydobycie wartości biznesowej z ogromu danych to trudny i wymagający proces. Przekształcenie surowych danych w użyteczne informacje wymaga od analityka biegłego posługiwania się wieloma technologiami, takimi jak bazy danych, narzędzia programistyczne czy komercyjne narzędzia analityczne. Ten praktyczny przewodnik pokazuje programistom rozumiejącym koncepcje analizy, jak rozwijać umiejętności niezbędne do uzyskania wartości biznesowej.

Autorka, zajmująca się danetyką zarówno od strony praktycznej, jak i naukowej, pomaga połączyć światy biznesu i techniki, aby spełnić te wymagania. Rozwiń umiejętności posługiwania się językami R i Python na z życia wziętych przykładach. Dowiedz się również, jak wykorzystywać właściwe metodologie w celu skutecznego realizowania celów. Metodyka uczenia się połączona z narzędziami open source jest kluczem do dostarczania rzeczywistych wartości biznesowych.

Książka ta pokazuje, jak:

- Stosować metodologie analityki biznesowej, aby osiągnąć pomyślne wyniki

- Czyścić i przekształcać dane przy użyciu R i Pythona

- Używać R i Pythona do wykonywania eksploracyjnej analizy danych

- Tworzyć modele predykcyjne do rozwiązywania problemów biznesowych w R i Pythonie

- Używać Pythona, R i narzędzi analitycznych do obsługi wielkich wolumenów danych

- Współpracować z inżynierami danych i danetykami

- Mierzyć skuteczność analiz biznesowych

Dr. Deanne Larson jest eksperktą w dziedzinie danetyki oraz edukatorką, która pomaga największym firmom odblokować wartości biznesowe dzięki analityce. Dzięki wykładom w zakresie analiz, sztucznej inteligencji i przywództwa prowadzonym na takich uczelniach, jak MIT, Harvard, Stanford i NYU, stała się poszukiwanym wykładowcą i oddanym mentorem swojej dziedziny.

  • 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
  • Назва:Nowoczesne analizy biznesowe. Zwiększanie wartości danych przy użyciu Pythona i R
  • Автор:Deanne Larson
  • Переклад:Marek Włodarz
  • ISBN:9788375415858, 9788375415858
  • Дата видання:2025-09-25
  • Формат:Eлектронна книга
  • Ідентифікатор видання: e_4ky6
  • Видавець: Promise
Завантаження...
Завантаження...