Оглавление
- Предисловие
- Благодарности
- О книге
- Для кого эта книга
- Структура книги
- От издательства
- Об авторах
- Эмили Робинсон
- Жаклин Нолис
- Об обложке
- Часть 1. Data Science. С чего начать
- 1. Что такое Data Science?
- 1.1. Что такое Data Science?
- 1.1.1. Математика/статистика
- 1.1.2. Базы данных и программирование
- 1.1.3. Понимание бизнеса
- 1.2. Различные типы вакансий в Data Science
- 1.2.1. Аналитики
- 1.2.2. Машинное обучение
- 1.2.3. Теория принятия решений
- 1.2.4. Смежные специальности
- 1.3. Выбор пути
- 1.4. Интервью с Робертом Чангом, дата-сайентистом из Airbnb
- Итоги
- 2. Типы компаний в Data Science
- 2.1. КИТк: крупная информационно-технологическая компания
- 2.1.1. Команда: одна из многих в КИТк
- 2.1.2. Технология: продвинутая, но неупорядоченная
- 2.1.3. Плюсы и минусы КИТк
- 2.2. HandbagLOVE: устоявшийся ритейлер
- 2.2.1. Команда: небольшая группа, стремящаяся к росту
- 2.2.2. Технология: устаревшие методы, которые начинают меняться
- 2.2.3. Плюсы и минусы HandbagLOVE
- 2.3. Seg-Metra: стартап на ранней стадии
- 2.3.1. Команда (какая еще команда?)
- 2.3.2. Технология: передовые методы, собранные воедино
- Конец ознакомительного фрагмента
Итоги
• Набор навыков в Data Science зависит от людей и должностей. Хотя некоторые знания являются фундаментальными, специалисты по работе с данными не обязательно должны быть экспертами во всех смежных областях.
• У работы в Data Science разные направления: предоставление правильных, очищенных данных стейкхолдерам (аналитика), развертывание моделей МО в производство (машинное обучение) и использование данных для принятия решений (теория принятия решений).
Страницаиз31
СкороКнижный режим