Miejsko-Gminna Biblioteka Publiczna

Spis treści:

1. O redaktorach technicznych
2. Podziękowania
3. Przedmowa
4. Wprowadzenie
5. CZĘŚĆ I. MYŚL JAK SPEC OD DANYCH
6. ROZDZIAŁ 1. NA CZYM POLEGA PROBLEM?
7. PYTANIA, KTÓRE POWINIEN ZADAWAĆ SPEC OD DANYCH
8. Dlaczego problem jest ważny?
9. Na kogo wpływa ten problem?
10. Co, jeśli nie mamy właściwych danych?
11. Kiedy projekt się zakończy?
12. Co, jeśli nie spodobają nam się rezultaty?
13. DLACZEGO PROJEKTY ZWIĄZANE Z DANYMI KOŃCZĄ SIĘ NIEPOWODZENIEM?
14. Wrażenia klientów
15. Omówienie
16. PRACA NAD PROBLEMAMI, KTÓRE MAJĄ ZNACZENIE
17. PODSUMOWANIE ROZDZIAŁU
18. ROZDZIAŁ 2. CZYM SĄ DANE?
19. DANE A INFORMACJE
20. Przykładowy zbiór danych
21. TYPY DANYCH
22. JAK GROMADZI SIĘ DANE I JAKĄ MAJĄ STRUKTURĘ?
23. Dane obserwacyjne i eksperymentalne
24. Dane ustrukturyzowane i nieustrukturyzowane
25. PODSTAWOWE STATYSTYKI ZBIORCZE
26. PODSUMOWANIE ROZDZIAŁU
27. ROZDZIAŁ 3. PRZYGOTOWANIE DO MYŚLENIA STATYSTYCZNEGO
28. ZADAWAJ PYTANIA
29. WSZYSTKO JEST ZMIENNE
30. Scenariusz: wrażenia klientów (kontynuacja)
31. Studium przypadku: zachorowalność na raka nerki
32. PRAWDOPODOBIEŃSTWO I STATYSTYKA
33. Prawdopodobieństwo a intuicja
34. Odkrywanie informacji za pomocą statystyki
35. PODSUMOWANIE ROZDZIAŁU
36. CZĘŚĆ II. MÓW JAK SPEC OD DANYCH
37. ROZDZIAŁ 4. POLEMIZUJ Z DANYMI
38. CO BYŚ ZROBIŁ(A)?
39. Katastrofa spowodowana brakiem danych
40. JAKA JEST HISTORIA POCHODZENIA DANYCH?
41. Kto zebrał dane?
42. Jak zebrano dane?
43. CZY DANE SĄ REPREZENTATYWNE?
44. Czy poprawnie dobrano próbę?
45. Co zrobiono z wartościami odstającymi?
46. JAKICH DANYCH NIE WIDZĘ?
47. Jak rozwiązano problem brakujących wartości?
48. Czy dane mogą zmierzyć to, co ma być mierzone?
49. POLEMIZUJ Z DANYMI KAŻDEJ WIELKOŚCI
50. PODSUMOWANIE ROZDZIAŁU
51. ROZDZIAŁ 5. EKSPLORUJ DANE
52. EKSPLORACYJNA ANALIZA DANYCH I TY
53. PRZYJMIJ NASTAWIENIE EKSPLORACYJNE
54. Pytania naprowadzające
55. Scenariusz
56. CZY DANE MOGĄ ODPOWIEDZIEĆ NA PYTANIE?
57. Określ oczekiwania i użyj zdrowego rozsądku
58. Czy wartości mają intuicyjny sens?
59. Uważaj! Wartości odstające i brakujące
60. CZY ODKRYLIŚCIE JAKIEŚ ZWIĄZKI?
61. Korelacja
62. Uważaj! Błędne interpretowanie korelacji
63. Uważaj! Korelacja nie implikuje przyczynowości
64. CZY ZNALEŹLIŚCIE W DANYCH NOWE MOŻLIWOŚCI?
65. PODSUMOWANIE ROZDZIAŁU
66. ROZDZIAŁ 6. BADAJ PRAWDOPODOBIEŃSTWA
67. ZGADNIJ ODPOWIEDŹ
68. REGUŁY GRY
69. Notacja
70. Prawdopodobieństwo warunkowe i zdarzenia niezależne
71. Prawdopodobieństwo wielu zdarzeń
72. ĆWICZENIE MYŚLOWE Z ZAKRESU PRAWDOPODOBIEŃSTWA
73. Następne kroki
74. UWAŻAJ Z ZAKŁADANIEM NIEZALEŻNOŚCI
75. Nie popełniaj błędu hazardzisty
76. WSZYSTKIE PRAWDOPODOBIEŃSTWA SĄ WARUNKOWE
77. Nie przestawiaj zależności
78. Twierdzenie Bayesa
79. UPEWNIJ SIĘ, ŻE PRAWDOPODOBIEŃSTWA MAJĄ ZNACZENIE
80. Kalibracja
81. Rzadkie zdarzenia mogą się zdarzać i się zdarzają
82. PODSUMOWANIE ROZDZIAŁU
83. ROZDZIAŁ 7. KWESTIONUJ STATYSTYKI
84. KRÓTKIE LEKCJE O WNIOSKOWANIU
85. Zostaw sobie trochę przestrzeni
86. Więcej danych, więcej dowodów
87. Kwestionuj status quo
88. Dowody na twierdzenie przeciwne
89. Równoważenie błędów decyzyjnych
90. PROCES WNIOSKOWANIA STATYSTYCZNEGO
91. PYTANIA, KTÓRE POMOGĄ CI KWESTIONOWAĆ STATYSTYKI
92. Jaki jest kontekst tych statystyk?
93. Jaki jest rozmiar próby?
94. Co testujecie?
95. Jaka jest hipoteza zerowa?
96. Jaki jest poziom istotności?
97. Ile przeprowadzacie testów?
98. Czy mogę zobaczyć przedziały ufności?
99. Czy jest to praktycznie istotne?
100. Czy zakładacie przyczynowość?
101. PODSUMOWANIE ROZDZIAŁU
102. CZĘŚĆ III. PRZYBORNIK SPECJALISTY DATA SCIENCE
103. ROZDZIAŁ 8. W POSZUKIWANIU UKRYTYCH GRUP
104. UCZENIE NIENADZOROWANE
105. REDUKCJA WYMIAROWOŚCI
106. Tworzenie cech złożonych
107. ANALIZA SKŁADOWYCH GŁÓWNYCH
108. Składowe główne zdolności sportowych
109. Podsumowanie PCA
110. Potencjalne pułapki
111. KLASTERYZACJA
112. KLASTERYZACJA METODĄ K-ŚREDNICH
113. Klasteryzacja sklepów detalicznych
114. Potencjalne pułapki
115. PODSUMOWANIE ROZDZIAŁU
116. ROZDZIAŁ 9. MODEL REGRESJI
117. UCZENIE NADZOROWANE
118. JAK DZIAŁA REGRESJA LINIOWA?
119. Regresja metodą najmniejszych kwadratów: nie tylko pomysłowa nazwa
120. REGRESJA LINIOWA: CO CI DAJE?
121. Rozszerzanie modelu na wiele cech
122. REGRESJA LINIOWA: JAKIE POWODUJE NIEPOROZUMIENIA?
123. Pominięte zmienne
124. Współliniowość
125. Przeciek danych
126. Błędy ekstrapolacji
127. Relacje nie zawsze są liniowe
128. Wyjaśniasz czy przewidujesz?
129. Skuteczność regresji
130. INNE MODELE REGRESJI
131. PODSUMOWANIE ROZDZIAŁU
132. ROZDZIAŁ 10. MODEL KLASYFIKACJI
133. WPROWADZENIE DO KLASYFIKACJI
134. Czego się nauczysz?
135. Przykładowy problem klasyfikacj
136. REGRESJA LOGISTYCZNA
137. Regresja logistyczna - i co z tego?
138. DRZEWA DECYZYJNE
139. METODY ZESPOŁOWE
140. Lasy losowe
141. Drzewa wzmacniane gradientowo
142. Interpretowalność modeli zespołowych
143. STRZEŻ SIĘ PUŁAPEK
144. Złe podejście do problemu
145. Przeciek danych
146. Brak podziału danych
147. Wybór odpowiedniego progu decyzyjnego
148. BŁĘDNE ROZUMIENIE DOKŁADNOŚCI
149. Macierze błędów
150. PODSUMOWANIE ROZDZIAŁU
151. ROZDZIAŁ 11. ANALIZA TEKSTU
152. OCZEKIWANIA WOBEC ANALIZY TEKSTU
153. JAK TEKST STAJE SIĘ LICZBAMI
154. Wielki worek słów
155. N-gramy
156. Osadzenia słów
157. MODELOWANIE TEMATYCZNE
158. KLASYFIKACJA TEKSTU
159. Naiwny klasyfikator byesowski
160. Analiza odczuć
161. KWESTIE PRAKTYCZNE PODCZAS PRACY Z TEKSTEM
162. Giganci technologiczni mają przewagę
163. PODSUMOWANIE ROZDZIAŁU
164. ROZDZIAŁ 12. UCZENIE GŁĘBOKIE
165. SIECI NEURONOWE
166. Pod jakimi względami sieci neuronowe przypominają ludzki mózg?
167. Prosta sieć neuronowa
168. Jak uczy się sieć neuronowa?
169. Nieco bardziej złożona sieć neuronowa
170. ZASTOSOWANIA UCZENIA GŁĘBOKIEGO
171. Korzyści z uczenia głębokiego
172. Jak komputery "widzą" obrazy?
173. Konwolucyjne sieci neuronowe
174. Uczenie głębokie w języku i sekwencjach
175. UCZENIE GŁĘBOKIE W PRAKTYCE
176. Czy masz dane?
177. Czy Twoje dane są ustrukturyzowane?
178. Jak będzie wyglądać sieć?
179. SZTUCZNA INTELIGENCJA I TY
180. Giganci technologiczni mają przewagę
181. Etyka w uczeniu głębokim
182. PODSUMOWANIE ROZDZIAŁU
183. CZĘŚĆ IV. DROGA DO SUKCESU
184. ROZDZIAŁ 13. STRZEŻ SIĘ PUŁAPEK
185. TENDENCYJNOŚĆ I DZIWNE ZJAWISKA W DANYCH
186. Błąd przeżywalności
187. Regresja do średniej
188. Paradoks Simpsona
189. Błąd konfirmacj
190. Błąd utopionych kosztów
191. Dyskryminacja algorytmiczna
192. Nieskategoryzowane przejawy tendencyjności
193. WIELKA LISTA PUŁAPEK
194. Pułapki związane ze statystyką i uczeniem maszynowym
195. Pułapki związane z projektem
196. PODSUMOWANIE ROZDZIAŁU
197. ROZDZIAŁ 14. ZNAJ LUDZI I OSOBOWOŚCI
198. SIEDEM SCENARIUSZY FIASKA KOMUNIKACYJNEGO
199. Post mortem
200. Wieczorynka
201. Głuchy telefon
202. W gąszczu szczegółów
203. Konfrontacja z rzeczywistością
204. Wrogie przejęcie
205. Egocentryk
206. OSOBOWOŚCI W ŚWIECIE DANYCH
207. Entuzjasta
208. Cynik
209. Spec od danych
210. PODSUMOWANIE ROZDZIAŁU
211. ROZDZIAŁ 15. CO DALEJ?

Zobacz spis treści

---