Applying Data Science: How to Create Value with Artificial Intelligence

این کتاب دستورالعمل‌های عملی در مورد ایجاد ارزش از کاربرد علم داده بر اساس روش‌های انتخاب شده هوش مصنوعی ارائه می‌دهد.

در قسمت اول، نویسنده یک رویکرد مشکل محور را برای پیاده سازی علم داده مبتنی بر هوش مصنوعی معرفی می کند و توضیحات عملی از فناوری های کلیدی ارائه می دهد: یادگیری ماشین، یادگیری عمیق، درختان تصمیم گیری و جنگل های تصادفی، محاسبات تکاملی، ازدحام. هوش و عوامل هوشمند در بخش دوم، او مراحل اصلی ایجاد راه‌حل‌های علم داده مبتنی بر هوش مصنوعی را برای مشکلات تجاری، از جمله کسب دانش مشکل، آماده‌سازی داده‌ها، تجزیه و تحلیل داده‌ها، توسعه مدل و چرخه عمر استقرار مدل شرح می‌دهد. در نهایت، در قسمت سوم نویسنده قدرت علم داده مبتنی بر هوش مصنوعی را با کاربردهای موفق در تولید و تجارت نشان می‌دهد. او همچنین نحوه معرفی این فناوری را در یک محیط تجاری نشان می دهد و خواننده را در مورد چگونگی ایجاد زیرساخت مناسب و توسعه مهارت های مورد نیاز راهنمایی می کند.

این کتاب برای دانشمندان داده که روش‌ها و تکنیک‌های پیشنهادی را در پروژه‌های خود پیاده‌سازی می‌کنند ایده‌آل است. همچنین برای کمک به رهبران تجاری و کارآفرینانی که می‌خواهند با استفاده از علم داده مبتنی بر هوش مصنوعی، مزیت رقابتی ایجاد کنند، و همچنین دانشگاهیان و دانشجویانی که به دنبال دیدگاه صنعتی از این رشته هستند، در نظر گرفته شده است.

This book offers practical guidelines on creating value from the application of data science based on selected artificial intelligence methods.

In Part I, the author introduces a problem-driven approach to implementing AI-based data science and offers practical explanations of key technologies: machine learning, deep learning, decision trees and random forests, evolutionary computation, swarm intelligence, and intelligent agents. In Part II, he describes the main steps in creating AI-based data science solutions for business problems, including problem knowledge acquisition, data preparation, data analysis, model development, and model deployment lifecycle. Finally, in Part III the author illustrates the power of AI-based data science with successful applications in manufacturing and business. He also shows how to introduce this technology in a business setting and guides the reader on how to build the appropriate infrastructure and develop the required skillsets.

The book is ideal for data scientists who will implement the proposed methodology and techniques in their projects. It is also intended to help business leaders and entrepreneurs who want to create competitive advantage by using AI-based data science, as well as academics and students looking for an industrial view of this discipline.