幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數據科學項目管理實踐

  • 作者：(俄羅斯)基里爾·杜博爾科夫|責編:劉熾|譯者:劉繼紅//付超//侯永柱
  • 出版社：中國電力
  • ISBN：9787519869762
  • 出版日期：2023/01/01
  • 裝幀：平裝
  • 頁數：190
人民幣：RMB 68 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書介紹了克服日常面臨的各種挑戰的實踐知識，以及各種數據科學解決方案，主要包括數據科學概論，機器學習模型測試，人工智慧基礎，理想的數據科學團隊，數據科學團隊招聘面試，組建數據科學團隊，創新管理，管理數據科學項目，數據科學項目的常見陷阱，創造產品與提升可重用性，實施Modelops，建立技術棧和結論。
    本書的目標讀者是希望有效地引入數據科學工作流程以提升組織效率、改進業務的數據科學家、數據分析人員和項目主管。了解一些數據科學的基本概念有助於本書的閱讀。
作者介紹
(俄羅斯)基里爾·杜博爾科夫|責編:劉熾|譯者:劉繼紅//付超//侯永柱
    基里爾·杜博爾科夫是Cinimex DataLab數據實驗室的首席技術官，有為頂級俄羅斯銀行設計和開發複雜軟體解決方案超過十年的經歷。目前，他領導著公司的數據科學部門。他的團隊為遍布世界的公司企業提供切實可行的機器學習應用服務。他們的解決方案覆蓋廣泛的主題，包括銷售預測和倉儲管理、IT支持中心的自然語言處理（NLP）、演算法營銷以及預測性IT運營。Kirill是兩個男孩的幸福父親。他喜歡學習任何新事物、讀書，以及為頂級媒體刊物撰寫文章。
目錄
前言
第一部分  什麼是數據科學？
  第1章  數據科學概論
    1.1  人工智慧定義
      1.1.1  數據科學的定義
      1.1.2  數據科學的影響
      1.1.3  數據科學的局限
    1.2  機器學習導論
      1.2.1  機器學習模型提供的決策和洞見
      1.2.2  機器學習模型需要的數據
      1.2.3  機器學習的起源
      1.2.4  機器學習剖析
      1.2.5  機器學習可解決的任務類型
    1.3  深度學習導論
      1.3.1  自然語言理解應用
      1.3.2  探究電腦視覺
    1.4  深度學慣用例
    1.5  因果推理導論
    1.6  本章小結
  第2章  機器學習模型測試
    2.1  離線模型測試
      2.1.1  模型誤差
      2.1.2  誤差分解
      2.1.3  技術度量指標
      2.1.4  業務度量指標
    2.2  在線模型測試
      2.2.1  在線測試的意義
      2.2.2  在線數據測試
    2.3  本章小結
  第3章  人工智慧基礎
    3.1  理解數學優化
    3.2  理解統計學
      3.2.1  頻率學派的概率
      3.2.2  條件概率
      3.2.3  關於概率的貝葉斯觀點
      3.2.4  分佈
      3.2.5  利用數據樣本計算統計量
      3.2.6  統計建模
    3.3  機器如何學習
    3.4  探究機器學習
      3.4.1  機器學習簡介
      3.4.2  線性模型
      3.4.3  分類與回歸樹
      3.4.4  集成模型
      3.4.5  聚類模型
    3.5  探究深度學習
      3.5.1  建立神經網路
      3.5.2  電腦視覺應用
      3.5.3  自然語言處理應用
    3.6  本章小結

第二部分  項目團隊的組建與維持
  第4章  理想的數據科學團隊
    4.1  數據科學團隊的角色
    4.2  探究數據科學團隊的角色及其職責
      4.2.1  案例1：應用機器學習防止銀行詐騙
      4.2.2  案例2：機器學習在零售公司的應用
      4.2.3  數據科學家的關鍵技能
      4.2.4  數據工程師的關鍵技能
      4.2.5  數據科學項目經理的關鍵技能
      4.2.6  開發團隊的支持
    4.3  本章小結
  第5章  數據科學團隊招聘面試
    5.1  技術招聘面試的通病
      5.1.1  發現不需要的候選者
      5.1.2  明確面試目的
    5.2  將價值和倫理引入面試
    5.3  面試設計
      5.3.1  設計測試作業
      5.3.2  不同數據科學角色的面試
    5.4  本章小結
  第6章  組建數據科學團隊
    6.1  鑄就團隊靈魂（Zen，禪）
    6.2  領導力和人員管理
      6.2.1  以身作則
      6.2.2  發揮情境領導力（situational leadership）
      6.2.3  明確任務
      6.2.4  感情移入（empathy,共情）
    6.3  培養成長型思維
      6.3.1  團隊整體的成長
      6.3.2  面向個體成長的持續學習
      6.3.3  提供更多的學習機會
      6.3.4  利用績效評價幫助員工成長
    6.4  案例：創建數據科學部門
    6.5  本章小結
第三部分  數據科學項目的管理
  第7章  創新管理
    7.1  理解創新
    7.2  大型組織為何屢屢失敗
      7.2.1  市場的遊戲規則
      7.2.2  開拓新市場
    7.3  探究創新管理
      7.3.1  案例：MedVision 的創新周期
      7.3.2  集成創新
    7.4  銷售、營銷、團隊領導方式以及技術
    7.5  大公司的創新管理
      7.5.1  大公司的創新管理簡介
      7.5.2  案例：零售業務的數據科學項目
    7.6  初創公司的創新管理
    7.7  發現項目想法
      7.7.1  從業務發現想法

      7.7.2  從數據發現想法
    7.8  本章小結
  第8章  管理數據科學項目
    8.1  理解數據科學項目的失敗
      8.1.1  數據科學項目失敗的常見原因
      8.1.2  數據科學管理方法
    8.2  探究數據科學項目全生命周期
      8.2.1  業務理解
      8.2.2  數據理解
      8.2.3  數據準備
      8.2.4  建模
      8.2.5  評價
      8.2.6  部署
    8.3  項目管理方法論的選擇
      8.3.1  瀑布式管理
      8.3.2  敏捷
      8.3.3  Kanban
      8.3.4  Scrum
    8.4  選擇適合項目的方法論
      8.4.1  開展顛覆性創新
      8.4.2  準備測試過的解決方案
      8.4.3  為客戶量身定製項目
    8.5  估測數據科學項目
      8.5.1  數據科學項目估測簡介
      8.5.2  學會估測時間和成本
    8.6  明確估測過程的目標
    8.7  本章小結
  第9章  數據科學項目的常見陷阱
    9.1  規避數據科學項目的常見風險
    9.2  推進研究項目
    9.3  實施原型和最簡可行產品項目
      9.3.1  原型和最簡可行產品開發簡介
      9.3.2  案例：咨詢公司的最簡可行產品
    9.4  應對實用型數據科學系統的風險
      9.4.1  實用型數據科學系統風險及其解決方法
      9.4.2  案例：將銷售預測系統投入應用
    9.5  本章小結
  第10章  創造產品與提升可重用性
    10.1  產品思維
    10.2  確定項目所處階段
      10.2.1  項目類型和所處階段的劃分
      10.2.2  案例：服務平台調度系統的開發
    10.3  提高可重用性
    10.4  尋找和開發產品
      10.4.1  尋找和開發產品簡介
      10.4.2  隱私問題
    10.5  本章小結
第四部分  開發基礎環境的構建
  第11章  實施Modelops
    11.1  認識Modelops

    11.2  了解DevOps
      11.2.1  數據科學項目基礎系統的特殊需求
      11.2.2  數據科學交付流程
    11.3  管理代碼版本和質量
    11.4  存儲數據和代碼
      11.4.1  數據跟蹤與版本化
      11.4.2  實際的數據存儲
    11.5  管理環境
    11.6  追蹤實驗
    11.7  自動測試的重要性
    11.8  代碼打包
    11.9  模型的持續訓練
    11.10  案例：開發預測維護系統的Modelops
    11.11  項目的動力源
    11.12  本章小結
  第12章  建立技術棧
    12.1  定義技術棧的要素
    12.2  核心技術與項目專用技術的選擇
    12.3  比較工具與產品
      12.3.1  如何比較不同的工具與產品
      12.3.2  案例：物流公司的需求預測
    12.4  本章小結
  第13章  結論
    13.1  增進知識
    13.2  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032