ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Common Data Sense for Professionals

دانلود کتاب حس مشترک داده برای حرفه ای ها

Common Data Sense for Professionals

مشخصات کتاب

Common Data Sense for Professionals

ویرایش: [1 ed.] 
نویسندگان:   
سری:  
ISBN (شابک) : 0367760487, 9780367760489 
ناشر: Productivity Pr 
سال نشر: 2022 
تعداد صفحات: 100 
زبان: English 
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 Mb 

قیمت کتاب (تومان) : 33,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Common Data Sense for Professionals 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 حس مشترک داده برای حرفه ای ها 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.


توضیحاتی در مورد کتاب حس مشترک داده برای حرفه ای ها



داده‌ها بخش ذاتی زندگی روزمره ما هستند. هر کاری که ما انجام می دهیم یک نقطه داده است. بسیاری از این نقاط داده با هدف کمک به ما برای داشتن زندگی کارآمدتر ثبت می شوند. ما برنامه هایی داریم که تمرینات، خواب، مصرف غذا و امور مالی شخصی ما را ردیابی می کند. ما از داده ها برای ایجاد تغییراتی در زندگی خود بر اساس اهدافی که برای خود تعیین کرده ایم استفاده می کنیم. کسب و کارها از مجموعه وسیعی از داده ها برای تعیین استراتژی و بازاریابی استفاده می کنند. دانشمندان داده داده ها را می گیرند، آن ها را تجزیه و تحلیل می کنند و مدل هایی را برای کمک به حل مسائل ایجاد می کنند. ممکن است در مورد شرکت هایی شنیده باشید که تیم های مدیریت داده یا افسران ارشد اطلاعات (CIO) یا افسران ارشد داده (CDO) و غیره دارند. همه آنها افرادی هستند که با داده ها کار می کنند، اما عملکرد آنها بیشتر به بررسی داده ها و آماده سازی آنها برای استفاده مربوط می شود. توسط دانشمندان داده

جهش از استفاده از داده‌های شخصی برای بهبود خود به تجزیه و تحلیل داده‌های انبوه برای بهبود فرآیند کسب‌وکار اغلب برای ما بزرگ‌تر از آنچه هست به نظر می‌رسد. به نوبه خود، ما اغلب فکر می کنیم که تجزیه و تحلیل کلان داده ها به ابزارهایی نیاز دارد که فقط توسط دارندگان مدرک پیشرفته نگهداری می شوند. اگرچه مدارک پیشرفته مطمئناً ارزشمند هستند، این کتاب نشان می‌دهد که چگونه برای اجرای کافی یک پروژه علم داده الزامی نیست. از آنجایی که همه ما قبلاً کاربر داده هستیم، با برخی استراتژی‌های ساده و قرار گرفتن در معرض برنامه‌های نرم‌افزار تحلیلی پایه، هر کسی که ابزار و اراده مناسب را داشته باشد می‌تواند مشکلات علم داده را حل کند. فرآیند ارائه شده در این کتاب به توانمندسازی افراد برای کار و حل چالش های مربوط به داده ها کمک می کند.

هدف این کتاب ارائه یک راهنمای گام به گام برای فرآیند علم داده است تا بتوانید در رهبری پروژه علم داده خود احساس اطمینان کنید. برای کمک به وضوح و درک، نویسنده یک رستوران زنجیره ای خیالی را برای استفاده به عنوان مطالعه موردی ارائه می دهد و نشان می دهد که چگونه موضوعات مختلف مورد بحث را می توان اعمال کرد. اساساً، این کتاب به تجار سنتی کمک می کند تا مشکلات مربوط به داده ها را خودشان بدون هیچ تردید یا ترسی حل کنند. روش های قدرتمند در قالب گفتگو، مثال و مطالعات موردی ارائه شده است. سبک مکالمه جذاب است و وضوح را ارائه می دهد.


توضیحاتی درمورد کتاب به خارجی

Data is an intrinsic part of our daily lives. Everything we do is a data point. Many of these data points are recorded with the intent to help us lead more efficient lives. We have apps that track our workouts, sleep, food intake, and personal finance. We use the data to make changes to our lives based on goals we have set for ourselves. Businesses use vast collections of data to determine strategy and marketing. Data scientists take data, analyze it, and create models to help solve problems. You may have heard of companies having data management teams or chief information officers (CIOs) or chief data officers (CDOs), etc. They are all people who work with data, but their function is more related to vetting data and preparing it for use by data scientists.

The jump from personal data usage for self-betterment to mass data analysis for business process improvement often feels bigger to us than it is. In turn, we often think big data analysis requires tools held only by advanced degree holders. Although advanced degrees are certainly valuable, this book illustrates how it is not a requirement to adequately run a data science project. Because we are all already data users, with some simple strategies and exposure to basic analytical software programs, anyone who has the proper tools and determination can solve data science problems. The process presented in this book will help empower individuals to work on and solve data-related challenges.

The goal of this book is to provide a step-by-step guide to the data science process so that you can feel confident in leading your own data science project. To aid with clarity and understanding, the author presents a fictional restaurant chain to use as a case study, illustrating how the various topics discussed can be applied. Essentially, this book helps traditional businesspeople solve data-related problems on their own without any hesitation or fear. The powerful methods are presented in the form of conversations, examples, and case studies. The conversational style is engaging and provides clarity.



فهرست مطالب

Cover
Half Title
Title Page
Copyright Page
Table of Contents
Foreword
Preface
Acknowledgments
Author
Chapter 1 The Meeting of Manju and Jim
Chapter 2 Understanding the Problem
	Phase 1
		Problem Definition
		Goal Setting
		Organizational Cohesion
		Measurement
Chapter 3 Analyzing the Problem and Collecting Data
	Phase 2
		Deep Dive Analysis
		Data Identification and Collection
		Understanding the Risk and Uncertainty
			Risk and Uncertainty in Data Measurement Error
			Risk and Uncertainty Due to the Existence of Variation
			Risk and Uncertainty in Prediction, Diagnosis, and Decision-Making
			Risk and Uncertainty in Analytics Process Execution
			Risk and Uncertainty Due to Incomplete Information
			Risk and Uncertainty Due to Procrastination
Chapter 4 Creating and Analyzing Models
	Phase 3
		Data Analysis and Model Selection
		Characteristics of Successful Analytics
		Different Types of Analytics
		Outcome Analysis
		Individualized Analytics for Eat Healthy Problem
Chapter 5 Project Structure
	Data Science Project Structure
	Six Sigma Process-Oriented Approach
Chapter 6 Data Science Stories
	Case Example 1: Proactive Detection and Diagnosis of Overall Health
	Case Example 2: Improving Customer Satisfaction by Building a Predictive Model
Chapter 7 Concept Review
	Concept Review
		Phase 1: Understanding the Problem
		Phase 2: Analyzing the Problem and Collecting Data
		Phase 3: Creating and Analyzing Models
	Project Structure
Chapter 8 Manju and Jim’s Concluding Meeting
References
Index




نظرات کاربران