چرا پروژه‌های هوش مصنوعی/علم داده شکست می‌خورند: چگونه از دام‌های پروژه اجتناب کنیم ۲۰۲۲
Why AI/Data Science Projects Fail: How to Avoid Project Pitfalls 2022

دانلود کتاب چرا پروژه‌های هوش مصنوعی/علم داده شکست می‌خورند: چگونه از دام‌های پروژه اجتناب کنیم ۲۰۲۲ (Why AI/Data Science Projects Fail: How to Avoid Project Pitfalls 2022) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده	Joyce Weiner

ناشر: Springer Nature

دسته: آمار و احتمال, بهینه سازی در ریاضی, پژوهش عملیاتی, تصمیم گیری و حل مسئله در کسب و کار, ریاضیات, علوم کامپیوتر, کسب و کار و اقتصاد, نرم‌افزار ریاضی و آماری

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار	2022
زبان	English
تعداد صفحه‌ها	65
نوع فایل	pdf
حجم	7.6 MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

هوش‌مصنوعی ترجمه کالیبو

توضیحات

معرفی کتاب چرا پروژه‌های هوش مصنوعی/علم داده شکست می‌خورند: چگونه از دام‌های پروژه اجتناب کنیم ۲۰۲۲

آمار‌های اخیر نشان می‌دهد که ۸۷ درصد از پروژه‌های هوش مصنوعی/کلان‌داده به مرحله‌ی تولید نمی‌رسند (VB Staff, 2019)؛ به این معنی که اکثر پروژه‌ها هرگز عملیاتی نمی‌شوند. این کتاب به بررسی پنج اشتباه رایج می‌پردازد که مانع از به ثمر رسیدن پروژه‌ها و ورود آن‌ها به فاز عملیاتی می‌شوند و ابزارها و روش‌هایی را برای اجتناب از این اشتباهات ارائه می‌دهد. در این مسیر، داستان‌هایی از تجربیات واقعی در ساخت و عملیاتی کردن پروژه‌های علم داده به اشتراک گذاشته می‌شوند تا روش‌ها و ابزارها را به تصویر بکشند. در حالی که مخاطب اصلی کتاب متخصصان علم داده هستند، بخش‌هایی با عنوان “نکاتی برای مدیران” نیز برای مدیران متخصصان علم داده در کتاب گنجانده شده است.

فهرست کتاب:

۱. روی جلد

۲. صفحه حق تکثیر

۳. صفحه عنوان

۴. فهرست مطالب

۵. تصاویر

۶. جداول

۷. پیشگفتار

۸. مقدمه و پیشینه

۹. فازهای پروژه و دام‌های رایج پروژه

۱۰. پنج روش برای اجتناب از دام‌های رایج

۱۱. فاز تعریف

۱۲. توجیه اقتصادی: تخصیص ارزش به پروژه خود

۱۳. فاز اکتساب و اکتشاف داده

۱۴. فاز مدل‌سازی

۱۵. فاز تفسیر و انتقال

۱۶. فاز استقرار

۱۷. خلاصه پنج روش برای اجتناب از دام‌های رایج

۱۸. مراجع

۱۹. زندگینامه نویسنده

توضیحات(انگلیسی)

Recent data shows that 87% of Artificial Intelligence/Big Data projects don’t make it into production (VB Staff, 2019), meaning that most projects are never deployed. This book addresses five common pitfalls that prevent projects from reaching deployment and provides tools and methods to avoid those pitfalls. Along the way, stories from actual experience in building and deploying data science projects are shared to illustrate the methods and tools. While the book is primarily for data science practitioners, information for managers of data science practitioners is included in the Tips for Managers sections.