Managing Your Data Science Projects: Learn Salesmanship, Presentation, and Maintenance of Completed Models

در نگاه اول، به نظر می‌رسد که مهارت‌های مورد نیاز برای کار در زمینه علم داده کاملاً قابل توضیح است. گول نخور. علم داده تاثیرگذار نیازمند دانش میان رشته ای از فلسفه کسب و کار، مدیریت پروژه، مهارت فروش، ارائه و غیره است. در مدیریت پروژه های علم داده شما، نویسنده رابرت د گراف مفاهیم مهمی را بررسی می کند که اغلب در بسیاری از متون آموزشی که در دسترس دانشمندان داده تازه وارد در این زمینه هستند نادیده گرفته می شوند. اگر قرار است مدل‌های تکمیل‌شده شما به‌طور مؤثرتری مورد استفاده و نگهداری قرار گیرند، باید بتوانید آن‌ها را در سازمان خود به شیوه‌ای قانع‌کننده ارائه و به فروش برسانید.
ارزش علم داده در یک سازمان را نمی‌توان بیش از حد اعلام کرد. بنابراین، بسیار مهم است که استراتژی ها و ارتباطات بین تیم ها به طرز ماهرانه ای مدیریت شوند. سه روش اصلی که استراتژی علم داده در یک شرکت استفاده می شود، تحقیق در مورد مشتریان، ارزیابی تجزیه و تحلیل ریسک و ثبت اندازه گیری های عملیاتی است. همه اینها به غرایز، سوابق و تجربیات مدیریتی متفاوتی نیاز دارند، و دو گراف به طور قاطعانه دلایل منحصر به فرد پشت هر کدام را توضیح می دهد. آنها باید به طور یکپارچه تراز شوند تا در نهایت به عنوان مدل های پویا پذیرفته شوند.
علوم داده یک رشته نسبتاً جدید است و به این ترتیب، فرآیندهای داخلی آن در یک تجارت عملیاتی به خوبی سایرین توسعه نیافته است. با مدیریت پروژه های علم داده شما، می آموزید که چگونه محصولاتی ایجاد کنید که مشکلات مهم مشتریان شما را حل کند و اطمینان حاصل شود که موفقیت اولیه در طول عمر مورد نظر محصول پایدار است. کاربران شما به شما و مدل‌هایتان اعتماد خواهند کرد و مهم‌تر از همه، شما دانشمند داده‌ای قوی‌تر و مؤثرتر در طول زندگی حرفه‌ای خود خواهید بود.

این کتاب برای چه کسی است.
دانشمندان داده اولیه، مدیران دانشمندان داده و کسانی که علاقه مند به ورود به حوزه علم داده هستند

At first glance, the skills required to work in the data science field appear to be self-explanatory. Do not be fooled. Impactful data science demands an interdisciplinary knowledge of business philosophy, project management, salesmanship, presentation, and more. In Managing Your Data Science Projects, author Robert de Graaf explores important concepts that are frequently overlooked in much of the instructional literature that is available to data scientists new to the field. If your completed models are to be used and maintained most effectively, you must be able to present and sell them within your organization in a compelling way.
The value of data science within an organization cannot be overstated. Thus, it is vital that strategies and communication between teams are dexterously managed. Three main ways that data science strategy is used in a company is to research its customers, assess risk analytics, and log operational measurements. These all require different managerial instincts, backgrounds, and experiences, and de Graaf cogently breaks down the unique reasons behind each. They must align seamlessly to eventually be adopted as dynamic models.
Data science is a relatively new discipline, and as such, internal processes for it are not as well-developed within an operational business as others. With Managing Your Data Science Projects, you will learn how to create products that solve important problems for your customers and ensure that the initial success is sustained throughout the product’s intended life. Your users will trust you and your models, and most importantly, you will be a more well-rounded and effectual data scientist throughout your career.

Who This Book Is For
Early-career data scientists, managers of data scientists, and those interested in entering the field of data science