Używamy cookies, aby ułatwić korzystanie z Portalu. Możesz określić warunki przechowywania, dostępu do plików cookies w Twojej przeglądarce. Dowiedz się więcej.
strona główna Strona główna | Nowości | Promocje | Zapowiedzi Twoje konto | Zarejestruj | Schowek | Kontakt | Pomoc
mapa działów
Szukaj: szukanie zaawansowane
Koszyk
Książki \ Biznes IT

Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa Język: 1

978-83-283-7346-4

Cena Brutto: 59.00

Cena netto: 56.19

Ilość:
Wersja: Drukowana
Autor Daniel Vaughan
Liczba_stron 228
Wydawnictwo Helion
Oprawa miękka
Data_Wydania 2021-03-23

Czy technologie sztucznej inteligencji spełnią obietnicę wielkiego sukcesu? Dotychczas stosunkowo niewielu przedsiębiorstwom udało się dokonać przełomu dzięki modelom biznesowym opartym na nowych technologiach. Niepowodzenia te można różnie tłumaczyć. Często problemem jest brak umiejętności analitycznych, a przecież rozwój przedsiębiorstwa zależy od jakości decyzji, a nie samego wykorzystywania danych lub technologii predykcyjnych. Okazuje się jednak, że lepsze decyzje można podejmować dzięki wykorzystaniu sztucznej inteligencji i dostępnych danych.


Oto praktyczny przewodnik po wypróbowanej kompleksowej metodzie ułatwiającej przekładanie decyzji biznesowych na łatwe w realizacji, normatywne rozwiązania, oparte na danych i sztucznej inteligencji. Badacze danych, analitycy i menedżerowie znajdą tu techniki ułatwiające zadawanie właściwych pytań i generowanie wartości z wykorzystaniem nowoczesnych technologii AI i reguł decyzyjnych.

Przedstawiono szczegóły procesu decyzyjnego, począwszy od pożądanych konsekwencji lub wyników, aby następnie cofnąć się do kwestii działań, które można podjąć, i skończyć na omówieniu problemów oraz szans pojawiających się w wyniku wpłynięcia na niepewność i przyczynowość. Opisano też, jak formułować i rozwiązywać problemy normatywne.


Dzięki tej książce dowiesz się, jak:

  • przekształcać pytania biznesowe w normatywne rozwiązania
  • rozkładać decyzje biznesowe na etapy i stosować do nich różne metody analityczne
  • zrozumieć i zaakceptować niepewność w procesie decyzyjnym
  • optymalizować decyzje za pomocą predykcyjnych i normatywnych metod analizy
  • generować znaczne wartości za pomocą technologii opartych na AI i danych

Opieraj swoje decyzje na technikach analizy danych!

    • Wprowadzenie
      • Umiejętności analityczne w pracy ze sztuczną inteligencją skąd pomysł?
      • Podejście oparte na przypadkach użycia
      • Czym ta książka nie jest
      • Do kogo ta książka jest skierowana
      • Czego potrzebujesz
      • Konwencje zastosowane w książce
      • Przykładowy kod
      • Podziękowania
    • Rozdział 1. Myślenie analityczne i przedsiębiorstwa sterowane sztuczną inteligencją
      • Czym jest sztuczna inteligencja?
      • Dlaczego współczesna AI nie spełni pokładanych w niej nadziei?
      • Jak się tutaj znaleźliśmy?
        • Rewolucja danych
          • Trzy V
          • Modele dojrzałości danych
      • Historia niespełnionych oczekiwań
      • Umiejętności analityczne w nowoczesnym, sterowanym sztuczną inteligencją przedsiębiorstwie
      • Główne wnioski
      • Dodatkowe materiały
    • Rozdział 2. Wprowadzenie do myślenia analitycznego
      • Pytania deskryptywne, predykcyjne i normatywne
        • Kiedy analiza predykcyjna ma znaczenie: przypadek wykrywania nowotworów
        • Analiza deskryptywna: przypadek odpływu klientów
          • Opisywanie odpływu
          • Prognozowanie odpływu
          • Wyznaczanie toków postępowania w celu ograniczenia odpływu
      • Pytania biznesowe i KPI
        • KPI pomiaru skuteczności programu lojalnościowego
      • Anatomia decyzji: prosty rozkład
        • Przykład: dlaczego kupiłeś tę książkę?
      • Wprowadzenie do przyczynowości
        • Korelacja i przyczynowość definicja
        • Trudności w estymacji związków przyczynowych
          • Problem 1.: nie możemy zaobserwować scenariuszy alternatywnych
          • Problem 2.: heterogeniczność
          • Problem 3.: czynniki zakłócające
          • Problem 4.: efekty selekcji
          • Testowanie A/B
      • Niepewność
        • Niepewność wynikająca z upraszczania
        • Niepewność wynikająca z heterogeniczności
        • Niepewność wynikająca z interakcji społecznych
        • Niepewność wynikająca z ignorancji
      • Główne wnioski
      • Dodatkowe materiały
    • Rozdział 3. Zadawanie właściwych pytań biznesowych
      • Od celów do pytań biznesowych
      • Pytania deskryptywne, predykcyjne i normatywne
      • Zawsze zaczynaj od pytania biznesowego i działaj wstecz
      • Dalsza dekonstrukcja pytań biznesowych
        • Przykład platformy dwustronnej
      • Nauka zadawania pytań biznesowych: przykłady typowych przypadków użycia
        • Zmniejszanie odpływu klientów
          • Definiowanie pytania biznesowego
          • Pytania deskryptywne
          • Pytania predykcyjne
          • Pytania normatywne
        • Sprzedaż krzyżowa: następna najlepsza oferta
          • Definiowanie pytania biznesowego
          • Pytania deskryptywne
          • Pytania predykcyjne
          • Pytania normatywne
        • Optymalizacja CAPEX
        • Lokalizacja sklepu
        • Kogo zatrudnić?
        • Wskaźnik zaległości płatniczych
        • Optymalizacja zapasów magazynowych
        • Personel sklepu
      • Główne wnioski
      • Dodatkowe materiały
    • Rozdział 4. Działania, dźwignie i decyzje
      • Co jest przekładalne na działania?
      • Dźwignie fizyczne
      • Dźwignie ludzkie
        • Dlaczego zachowujemy się tak, a nie inaczej?
        • Dźwignie wynikające z ograniczeń
          • Ograniczenia czasowe
        • Dźwignie, które wpływają na nasze preferencje
          • Genetyka
          • Uczenie się indywidualne i społeczne
          • Rozumowanie społeczne: oddziaływanie strategiczne
          • Rozumowanie społeczne: konformizm i wzajemne oddziaływanie społeczne
          • Efekt sformułowania
          • Niechęć do straty
        • Dźwignie, które zmieniają oczekiwania
          • Heurystyki dostępności i reprezentatywności
      • Przypadki użycia powtórka
        • Odpływ klientów
        • Sprzedaż krzyżowa
        • Optymalizacja nakładów kapitałowych (CAPEX)
        • Lokalizacja sklepu
        • Kogo zatrudnić?
        • Wskaźnik zaległości płatniczych
        • Optymalizacja zapasów magazynowych
        • Personel sklepu
      • Główne wnioski
      • Dodatkowe materiały
    • Rozdział 5. Od działań do konsekwencji: nauka upraszczania
      • Dlaczego musimy upraszczać?
        • Skutki pierwszego i drugiego rzędu
      • Ćwiczenie zmysłu analitycznego: powitajmy Fermiego
        • Ile piłek tenisowych zmieści się na podłodze prostokątnego pokoju?
        • Jaką zapłatę pobrałbyś za umycie każdego okna w Krakowie?
        • Problemy Fermiego w przygotowywaniu wstępnych przypadków biznesowych
          • Płacenie klientom za dane kontaktowe
          • Nadmiar prób kontaktu zwiększa prawdopodobieństwo odpływu
          • Czy powinieneś przyjąć ofertę tego start-upu?
      • Powtórka przykładów z rozdziału 3.
        • Odpływ klientów
        • Sprzedaż krzyżowa
        • Optymalizacja CAPEX
          • Oddziaływanie ceny
          • Oddziaływanie ilości
        • Lokalizacja sklepu
        • Wskaźnik zaległości płatniczych
        • Optymalizacja zapasów magazynowych
        • Personel sklepu
      • Główne wnioski
      • Dodatkowe materiały
    • Rozdział 6. Niepewność
      • Z czego bierze się niepewność?
      • Kwantyfikacja niepewności
        • Wartości oczekiwane
          • Przetarg na budowę autostrady
          • Interpretacja wartości oczekiwanych
      • Podejmowanie decyzji w warunkach pewności
      • Podejmowanie prostych decyzji w warunkach niepewności
      • Decyzje w warunkach niepewności
        • Czy nie można zrobić tego lepiej?
        • Przecież to argumentacja częstościowa
      • Normatywne i deskryptywne teorie podejmowania decyzji
      • Przykładowe paradoksy towarzyszące podejmowaniu decyzji w warunkach niepewności
        • Paradoks petersburski
        • Awersja do ryzyka
      • Teoria w praktyce
        • Oszacowywanie prawdopodobieństw
          • Oszacowywanie prawdopodobieństw bezwarunkowych
          • Oszacowywanie prawdopodobieństw warunkowych
          • Testowanie A/B
          • Problem wielorękiego bandyty
        • Oszacowywanie wartości oczekiwanych
        • Metody częstościowe i bayesowskie
      • Przypadki użycia powtórka
        • Odpływ klientów
        • Sprzedaż krzyżowa
        • Optymalizacja CAPEX
        • Lokalizacja sklepu
        • Kogo zatrudnić?
        • Wskaźnik zaległości płatniczych
        • Optymalizacja zapasów magazynowych
      • Główne wnioski
      • Dodatkowe materiały
    • Rozdział 7. Optymalizacja
      • Czym jest optymalizacja?
        • Optymalizacja numeryczna jest trudna
        • Optymalizacja nie jest nowością w biznesie
        • Optymalizacja cen i przychodów
      • Optymalizacja bez niepewności
        • Odpływ klientów
        • Sprzedaż krzyżowa
        • Inwestycje CAPEX
        • Optymalizacja obsady stanowisk pracy
        • Optymalna lokalizacja sklepów
      • Optymalizacja w warunkach niepewności
        • Odpływ klientów
        • Sprzedaż krzyżowa
        • Optymalna obsada stanowisk
        • Sztuczki związane z rozwiązywaniem problemów optymalizacyjnych w warunkach niepewności
      • Główne wnioski
      • Dodatkowe materiały
    • Rozdział 8. Podsumowanie
      • Umiejętności analityczne
        • Zadawanie pytań normatywnych
        • Zrozumieć przyczynowość
          • Myślenie poza utartymi schematami
        • Upraszczanie
        • Akceptacja niepewności
          • Podejście bierne
          • Podejście oparte na danych
          • Podejście oparte na modelu
        • Optymalizacja
          • Zrozumieć funkcję celu
          • Optima lokalne
          • Wyczulenie na wstępne przypuszczenia
          • Problemy ze skalą i produkcją
      • Sterowane AI przedsiębiorstwo przyszłości
        • Sztuczna inteligencja
          • Nauka podejmowania decyzji
          • Problemy z takim podejściem do automatycznego podejmowania decyzji
          • Kwestie etyczne
      • Uwagi końcowe
    • Dodatek. Krótkie wprowadzenie do uczenia maszynowego
      • Czym jest uczenie maszynowe?
      • Taksonomia modeli uczenia maszynowego
        • Uczenie nadzorowane
        • Uczenie nienadzorowane
        • Uczenie półnadzorowane
      • Regresja i klasyfikacja
      • Tworzenie prognoz
        • Zastrzeżenia związane z metodą podstawiania
        • Skąd biorą się te funkcje?
        • Tworzenie drobnych prognoz
      • Od regresji liniowej do uczenia głębokiego
        • Regresja liniowa
          • Uwzględnianie innych zmiennych
          • Nadmierne dopasowanie
        • Sieci neuronowe
          • Funkcje aktywacji: wprowadzanie dodatkowej nieliniowości
          • Sukces głębokiego uczenia
      • Podstawy testowania A/B
        • Testowanie A/B w praktyce
        • Obliczenia mocy i wielkości
        • Wyniki fałszywie pozytywne lub negatywne
      • Dodatkowe materiały
      • O autorze
      • Kolofon
powrót
 
Produkty Podobne
Wprowadzenie do zarządzania operacjami i łańcuchem dostaw. Wydanie V
Skazany na sukces. Kariera w Data Science
Instrukcja obsługi projektu
Matematyka dla menedżerów. Wydanie II
Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa
Mikrousługi oparte na zdarzeniach. Wykorzystywanie danych w organizacji na dużą skalę
Lean management po polsku. Wydanie II
Alibaba. Jak Jack Ma stworzył chiński Amazon
Wojny w cyberprzestrzeni. Koncepcje, strategie i taktyki, dzięki którym przetrwasz i ocalisz swoją organizację
Stwórz jednorożca. Od idei po startup wart miliony. Wydanie II rozszerzone
Więcej produktów