Analityk danych. Przewodnik po data science


Код: 14653278470
939 грн
Ціна вказана з доставкою в Україну
Товар є в наявності
ЯК ЕКОНОМИТИ НА ДОСТАВКЕ?
Замовляйте велику кількість товарів у цього продавця
Інформація
  • Час доставки: 7-10 днів
  • Стан товару: новий
  • Доступна кількість: 21

Покупая «Analityk danych. Przewodnik po data science» данный товар из каталога «Программирование» вы можете быть уверены, что после оформления заказа, доставки в Украину, вы получите именно то, что заказывали, в оговоренные сроки и европейского качества.

Аналітик даних. Посібник із науки про дані, статистики та машинного навчання

Автори: Алекс Дж. Гутман, Джордан Голдмайер

Видавець: Helion

Переклад: Grzegorz Werner

ISBN: 978-83-289-0215-2

Формат: 158x235

Книга нова

69,00 злотих ---> 40,00 злотих

Ви повинні дивитися правді в очі: ера даних — це не лише вражаючі можливості, а й порожні обіцянки.

Компанії впроваджують рішення, які мають допомогти їм рішень. Менеджери наймають аналітиків, які не є аналітиками. Фахівців із науки про дані наймають в організації, які до них не готові. Керівники слухають технічний жаргон і роблять вигляд, що розуміють його. Ефект? Гроші йдуть на вітер.

Ось практичний посібник із вивчення даних на робочому місці. Тут ви дізнаєтеся все, що є важливим на початку вашого шляху вченого з даних: від особистостей, з якими ви працюватимете, через деталі аналізу даних до математики, що лежить в основі алгоритмів і машинного навчання. Ви навчитеся критично мислити про дані та результати, а також будете говорити про це з розумом. Одним реченням: ви зрозумієте дані та проблеми, пов’язані з ними, на глибшому, професійному рівні.

Ця книга для тих, хто хоче рухати свою компанію до науки про дані.

Ерік Вебер, менеджер із метричних експериментів і досліджень, Yelp

Навчіться:

  • мислити статистично та розуміти роль мінливості в прийнятті рішень< /li>
  • ставте правильні запитання щодо статистики та результатів аналізу
  • розумно використовуйте рішення машинного навчання та штучного інтелекту
  • уникайте типових помилок під час роботи з інтерпретацією даних
  • li>

Наука про дані? Від золота пісок відсіяєш!