دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Harlan Harris, Sean Murphy, Marck Vaisman سری: ISBN (شابک) : 1449371760, 9781449371760 ناشر: O'Reilly Media سال نشر: 2013 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Analyzing the Analyzers: An Introspective Survey of Data Scientists and Their Work به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تحليل آناليزكنندگان: بررسي درون نگرانه دانشمندان داده ها و كار آنها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
علیرغم هیجانانگیز بودن پیرامون \"علم داده\" \"داده بزرگ\" و \"تحلیل\"، ابهام این اصطلاحات منجر به ارتباط ضعیف بین دانشمندان داده و سازمانهایی شده است که از آنها کمک میخواهند. در این گزارش، نویسندگان هارلان هریس، شان مورفی و مارک وایسمن نظرسنجی خود را از چند صد متخصص علوم داده در اواسط سال 2012 بررسی کردند، زمانی که از پاسخ دهندگان پرسیدند که چگونه مهارت ها، مشاغل و تجربیات خود را با کارفرمایان آینده نگر می بینند. نتایج قابل توجه است.
بر اساس دادههای نظرسنجی، نویسندگان دریافتند که امروزه دانشمندان داده را میتوان در چهار زیرگروه دستهبندی کرد که هر کدام دارای ترکیبی متفاوت از مهارتها هستند. هدف آنها شناسایی واژگان جدید و دقیقتر برای نقشهای علم داده، تیمها و مسیرهای شغلی است.
این گزارش شرح میدهد:
Despite the excitement around "data science," "big data," and "analytics," the ambiguity of these terms has led to poor communication between data scientists and organizations seeking their help. In this report, authors Harlan Harris, Sean Murphy, and Marck Vaisman examine their survey of several hundred data science practitioners in mid-2012, when they asked respondents how they viewed their skills, careers, and experiences with prospective employers. The results are striking.
Based on the survey data, the authors found that data scientists today can be clustered into four subgroups, each with a different mix of skillsets. Their purpose is to identify a new, more precise vocabulary for data science roles, teams, and career paths.
This report describes: