سرمایه‌گذاری بر دانش داده ۲۰۲۲
Capitalizing Data Science 2022

ظرفیت بالقوه علم داده و یادگیری ماشین را برای کسب و کار و سازمان خود آزاد کنید.

ویژگی‌های کلیدی:

● شامل محبوب‌ترین کاربردهای امروزی است که توسط علم داده و فناوری یادگیری ماشین پشتیبانی می‌شوند.

● یک مقدمه قوی در مورد کل چرخه حیات علم داده، با جزئیات و مثال.

● یک رویکرد یکپارچه برای نشان دادن استفاده از پردازش تصویر، پردازش زبان طبیعی و شبکه‌های عصبی در تجارت.

توضیحات:

آیا می‌توانید پیش‌بینی کنید که شرکت و محصولات شما چگونه از علم داده بهره‌مند خواهند شد؟ چگونه می‌توان نتایج استفاده از هوش مصنوعی و یادگیری ماشین را در تجارت ردیابی و زیر سوال برد؟ آیا سوالاتی مانند «چگونه یک تیم علم داده بسازیم؟» مدام در ذهن شما تکرار می‌شوند؟

تمام این نگرانی‌ها و چالش‌های استراتژیک در این کتاب مورد بررسی قرار گرفته‌اند.

در ابتدا، کتاب به بررسی تکامل تصمیم‌گیری بر اساس شواهد تجربی می‌پردازد. سپس به مقایسه دوران مبتنی بر داده با دوران کنونیِ داده‌محور کمک می‌کند. همچنین در مورد چگونگی اجرای موفقیت‌آمیز یک پروژه علم داده، چرخه حیات یک پروژه علم داده و شکل ظاهری آن بحث می‌کند. کتاب به طور نسبتاً عمیقی به بررسی کاربردهای امروزیِ داده‌محور می‌پردازد، مجموعه‌داده‌های نمونه را برجسته می‌کند، در مورد موانع بحث می‌کند و مدل‌ها و الگوریتم‌های یادگیری ماشین را به طور شهودی توضیح می‌دهد.

این کتاب ملاحظات ساختاری و سازمانی برای ایجاد یک تیم علم داده را پوشش می‌دهد. کتاب به پیشنهاد استفاده از ساختار سازمانی بهینه علم داده بر اساس سطح توسعه شرکت کمک می‌کند. در نهایت، کتاب با کمک به رهبران فناوری، اثرات علم داده بر کسب و کارها را توضیح می‌دهد.

آنچه خواهید آموخت:

● کل چرخه حیات علم داده را بیاموزید و در هر مرحله مسلط شوید.

● دنیای کاربردهای یادگیری با نظارت و بدون نظارت و مجموعه‌داده‌های ساختاریافته و بدون ساختار را کشف کنید.

● در مورد عملکرد NLP، پتانسیل آن و کاربرد روش‌های شناخته‌شده مانند BERT و GPT3 بحث کنید.

● یک چارچوب برای ارزیابی مهارت‌ها و منابع علم داده تیم خود ارائه دهید.

این کتاب برای چه کسانی مناسب است:

استارت‌آپ‌ها، سرمایه‌گذاران، کسب‌وکارهای کوچک، تیم‌های مدیریت محصول، مدیران ارشد و تمام کسب‌وکارهای در حال توسعه که مایل به استفاده از یک تیم علم داده برای به دست آوردن بیشترین بهره از این کتاب هستند. این کتاب همچنین به بررسی پتانسیل کاربردهای عملی یادگیری ماشین و هوش مصنوعی برای آینده کسب و کارها در بانکداری و تجارت الکترونیک می‌پردازد.

فهرست مطالب:

1. تصمیم‌گیری‌های مبتنی بر داده از ابتدا تا کنون

2. چرخه حیات علم داده – قسمت 1

3. چرخه حیات علم داده – قسمت 2

4. غواصی عمیق در هوش مصنوعی

5. به کارگیری هوش مصنوعی با داده‌های ساختاریافته – بانکداری

6. به کارگیری هوش مصنوعی با داده‌های ساختاریافته

7. به کارگیری هوش مصنوعی با داده‌های ساختاریافته – تحویل‌های درخواستی

8. هوش مصنوعی در پردازش زبان طبیعی

9. گرد هم آوردن همه چیز

Unlock the Potential of Data Science and Machine Learning to Your Business and Organization

KEY FEATURES  

● Includes today’s most popular applications powered by data science and machine learning technology.

● A solid primer on the entire data science lifecycle, detailed with examples.

● An integrated approach to demonstrating the use of Image Processing, Natural Language Processing, and Neural Networks in business.

DESCRIPTION 

Can you foresee how your company and its products will benefit from data science? How can the results of using AI and ML in business be tracked and questioned? Do questions like ‘how do you build a data science team?’ keep popping into your head? 

All these strategic concerns and challenges are addressed in this book.

Firstly, the book explores the evolution of decision-making based on empirical evidence. The book then helps compare the data-supported era with the current data-led era. It also discusses how to successfully run a data science project, the lifecycle of a data science project, and what it looks like. The book dives fairly in-depth into various today’s data-led applications, highlights example datasets, discusses obstacles, and explains machine learning models and algorithms intuitively.

This book covers structural and organizational considerations for making a data science team.  The book helps recommend the use of optimal data science organization structure based on the company’s level of development. Finally, the book explains data science’s effects on businesses by assisting technological leaders.

WHAT YOU WILL LEARN

● Learn the entire data science lifecycle and become fluent in each phase.

● Discover the world of supervised and unsupervised learning applications and structured and unstructured datasets.

● Discuss NLP’s function, its potential, and the application of well-known methods like BERT and GPT3.

● Explain practical applications like automatic captioning, machine translation, and emotion recognition.

● Provide a framework for evaluating your team’s data science skills and resources.

WHO THIS BOOK IS FOR

Startups, investors, small businesses, product management teams, CxO and all developing businesses desiring to leverage a data science team to gain the most from this book. The book also discusses the potential of practical applications of machine learning and AI for the future of businesses in banking and e-commerce.

TABLE OF CONTENTS

1. Data-Driven Decisions from Beginning to Now

2. Data Science Life Cycle —Part 1

3. Data Science Life Cycle —Part 2

4. Deep Dive into AI

5. Applying AI with Structured Data—Banking

6. Applying AI with Structured Data 

7. Applying AI with Structured Data—On-Demand Deliveries

8. AI in Natural Language Processing

9. Bringing It All Together