BIG DATA NAUKA O DANYCH I AI BEZ TAJEMNIC

44.10

Na stanie

SPIS TREŚCI

  • 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
Autor

ISBN

978-83-283-5796-9

Liczba stron

Rok wydania

Wydawca

Opinie

Na razie nie ma opinii o produkcie.

Napisz pierwszą opinię o „BIG DATA NAUKA O DANYCH I AI BEZ TAJEMNIC”

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *