[PYTHON] Ich habe 13 Bücher gelesen, die Data Science mit Geschäftsergebnissen verbinden, daher werde ich eine Rezension schreiben.

Motivation für diesen Artikel

Ich kann in diesem Alter nicht ausgehen, also lese ich trotzdem ein Buch. Schauen Sie sich die folgenden Artikel an und versuchen Sie, denen zu helfen, die die gleichen Gefühle bei diesem Kauf haben.

• Ich habe die Theorie der Datenwissenschaft und Codierung mit Analysewerkzeugen gelernt. ――Arbeit (Geschäft) muss "Ergebnisse der Verwendung des Modells" haben, anstatt "Abschluss der hochpräzisen Modellerstellung". ――Sie müssen eine konkrete Nummer angeben ――Ich möchte wissen, wie man ein Projekt ohne Manager oder Senioren ausführt und es mit den geschäftlichen Auswirkungen verbindet. ――Wenn Sie die notwendigen Elemente für die interne Organisation von Data Science kennen, können Sie die Managementseite anfordern und überzeugen (ich wünschte, ich könnte es werden).

Zu diesem Zweck habe ich ein Buch über ** Business + Data Science ** gelesen.

Wenn Sie die folgende Einführung lesen möchten, kaufen Sie sie bitte.

** * Es gibt einige Teile, die aufgrund meines geringen Absorptionsvermögens sorgfältig bewertet werden. Bitte überprüfen Sie es mit Ihren eigenen Augen, ohne einen kurzen Blick darauf zu werfen. ** ** **

Sie sind in der Reihenfolge angeordnet, in der sie sich für diesen Zweck nützlich fühlen.

Zusammenfassung der willkürlichen Positionsbeziehung

1. Buch: Data Scientist Training Reader Business Utilization

Autor: Für jedes Kapitel sind mehrere Personen verantwortlich
der Herausgeber:Technical Review Company
Erscheinungsdatum: 2018/10/30

Impressionen

--Datenanalyse Mooks berühmte "Training Reader Series" ――Sie können weinen (Taschentuch ist wichtig, weil Sie zu viel Ahnung von Fehlerfällen haben) ――Das erste Wort von 1-1 lautet: "Ich mag keine Datenanalyse, die nicht mehr zum Geschäft beitragen kann."

• ** Warum Data Science-Projekte nicht erfolgreich sind **, ** Gründe, am PoC anzuhalten **, ** Aufbau einer Data Science-Organisation und Mitgliedschaft ** Er hat in jedem Kapitel verschiedene Meinungen abgegeben. ――Ich dachte, dass es eine Werbung war, die viele der Leute, die dem Berater nahe standen, geschrieben haben: "Lassen Sie uns hier einen Berater einsetzen", aber der Nachteil von "Eigenständigkeit" ist, wie Sie sagten, also lesen Sie es, ohne sich so viele Sorgen zu machen. Fortgeschrittene

Einführung in den Inhalt

――Ein Buch, in dem Personen mit unterschiedlichem Hintergrund und unterschiedlicher Unternehmensgeschichte für jedes Kapitel verantwortlich sind

• Geschrieben von jemandem, der der Manager des Data Science-Teams ist. Die folgenden Probleme und die Arbeitsweise werden beschrieben.
• So fahren Sie mit einem datenwissenschaftlichen Projekt fort
• Unterschiede zwischen Software- und Data Science-Projektmanagement
• Was von Datenwissenschaftlern zu erwarten ist --Erstellung eines Folgesystems und einer Umgebung, in der Sie eine aktive Rolle spielen können
• Missverständnisse über Data Science zum Zeitpunkt der Einstellung
• Lücke im Sinne der "Datenanalyse" zwischen Management / Managern und Datenwissenschaftlern
• Ein besorgter Wissenschaftler, der gerade das neueste Papier liest und umsetzt
• Ein problematischer Manager, der nicht in ein Projekt sublimiert werden kann

――Wenn das Team nicht vor Ort ist, bedeutet dies, dass Sie ein vielseitiger Mensch sein müssen (Personal vom Typ Held). »Mach es nicht alleine. Sogar eine vielseitige Person wird überlastet sein, also werde ich ihn das nicht tun lassen. --Geben Sie ein anderes Mitglied in das Infrastruktur-App-Geschäft ein. Beratung bei Bedarf. ――Die datenwissenschaftliche Methode ist auch von oben nach unten mit Gewalt verbunden: "Wenn Sie die Mathematikschule abschließen, können Sie sie lösen." ――Das Obige entscheidet über die Einstellung / Zuordnung, ohne den Spezialisierungsgrad für jede Methode zu kennen

2. Buch: Ein Buch zum Erwerb realer Datenanalysefähigkeiten

Verfasser: Shinichi Kawamura
der Herausgeber:Nikkei BP
Erscheinungsdatum: 2016/6/22

Impressionen

――Es gibt viele Frameworks zur Lösung von Geschäftsproblemen, aber ich denke, dies ist das einzige Buch, das mit Konzepten zur Datenanalyse geschrieben wurde.

• Inhalt anderer Bücher "Es ist wichtig, sich mit der Bewertung zu verbinden, ohne die Analyse zu unterbrechen, und es ist wichtig, die Problemdefinition und ihre Überprüfung hervorzuheben." --Inhalt dieses Buches "Lassen Sie uns aus der Festlegung des Zwecks mit wenig Nacharbeit ohne Auslassung, Ausführung der Analyse und Ausdruck der Ergebnisse unter Verwendung des Frameworks entwerfen." ――Brest mit A4-Papier und -Aufkleber sowie Vorsichtsmaßnahmen für die Analyse mit Daten sind mit Nieten versehen. ――Da weder Python noch R verwendet werden, ist das Gefühl der glitzernden Datenwissenschaft dünn. ――Obwohl Sie mit Excel- und A4-Papier fortfahren können, seien Sie vorsichtig, da es sich nicht um ein "Buch zum gewaltsamen Vorantreiben von Aufgaben in einem Projekt durch maschinelles Lernen" handelt, sondern um ein "Buch für die Art der Datenanalyse, die zuverlässig ist und Probleme löst".

Einführung in den Inhalt

• Beruhigender Untertitel: Die Theorie ist bereits gut, ich möchte ein Modell der Praxis
• Rahmen für die Problemstellung und ihre simulierte Erfahrung
• Punkte, die beim Entwerfen von Analyseprojekten zu beachten sind ――Der Zweck und das Ergebnis von "Lassen Sie uns analysieren, weil es Daten gibt" sind entgegengesetzt --Grasp die Funktionen mit "Visualisierung" statt "Aggregation" --Problemeinstellung-> Faktoren identifizieren-> Zusammenfassungsdiagramm löschen-> Datenerfassung und -prüfung (Zuverlässigkeit der Ausreißer / Erfassungshintergrund) -> Beseitigung von Erkennungsverzerrungen

Drittes Buch: Die stärkste Datenanalyseorganisation

Verfasser: Kaoru Kawamoto
der Herausgeber:Nikkei BP
Erscheinungsdatum: 2017/11/24

Impressionen

――Die Probleme, die Sie haben, wurden in diesem Buch geschrieben --Analyse-Team, das gerade begonnen hat --Datenkompetenz ist nicht unternehmensweit eingedrungen

• Es gibt kein unternehmensweites Promotionssystem
• Ein Buch, das ein Vorbild für diejenigen sein kann, die dem oben genannten Analyseteam angehören (insbesondere für Manager). ―― „Die Methode ist nicht die Analyse, die ihr vorausgeht, sondern die Methode, die für die Analyse erforderlich ist, die als Unternehmen nützlich ist, wird durch Rückrechnung ausgewählt. Zumindest muss ein Analyst jedoch eine neue Analysemethode ausprobieren und viele Methoden erlernen.“

Einführung in den Inhalt

――Es beschreibt einen stetigen Bottom-up-Prozess von einem kleinen Forschungsteam zu einem Team, das das Geschäft durch Datenanalyse über 18 Jahre reformiert.

• Das ** "Bonus" ** Gefühl der Datenanalyse-Organisation zum Zeitpunkt des Starts
• Management, um die Angst der Teammitglieder zu zerstreuen ――Inhouse-Datenanalyst benötigt "** Fähigkeit zur Unternehmensberatung **"
• Analytisches Wissen vom Typ Backoffice
• ** Besuch / Verhandlung / Problemdefinition / Befugnis des Front-Office-Typs vor Ort ** --Finden → Lösen → Verwenden ――Wie kann eine analytische Organisation in weniger als 18 Jahren aufgebaut werden?
• Es gibt vier Wände, die größer sind als die Probleme der Mathematik und des IT-Wissens ―― 1. Motivation erhalten ―― 2. Zusammenarbeit mit Geschäftsbereichen ―― 3. Beitrag zur Geschäftsführung ―― 4. Schulung der Mitglieder der analytischen Organisation ――Binden Sie die Geschäftsseite ein, indem Sie das Budget des Sponsoring-Systems erwerben
• Überdenken Sie die Anzahl der Teammitglieder --Erstellen Sie einen Ort, um die Kosteneffizienz zu besprechen ―― Überlegen Sie, wie Sie es in Ihr Unternehmen integrieren können

Viertes Buch: Die Kraft der Analyse, um das Unternehmen zu verändern

Verfasser: Kaoru Kawamoto
der Herausgeber:Kodansha
Erscheinungsdatum: 2013/7/20

Impressionen

――Es war ein altes Veröffentlichungsdatum, also war ich misstrauisch, aber es war ein gutes Buch ――Kapitel 1 ist ein Thema, über das oft gesprochen wird (Big Data ist nicht nur groß usw.).

• Erklären Sie den Analysefluss am Beispiel eines fiktiven Unternehmens --Arbeitsstil als analytisches Personal ――Vorbereitung für die Arbeit
• Professionell, kein Spezialist ――Nicht nur mit der Methode vertraut, sondern auch mit dem Feld ――Ich verstehe aus anderen Büchern, dass die Analyse mit Methoden ein Problem ist, aber ich kenne das spezifische Niveau nicht ... ――In diesem Buch sind Sie, wenn Sie ein "Fachgebiet in der Wirtschaft" finden, "Experten auf dem Gebiet der Analyse dieses Fachgebiets" und "kennen andere Analysemethoden" ... ――Es fühlt sich inkonsistent an, wenn Sie über die Details nachdenken
• Ich verstehe nicht.

Einführung in den Inhalt

• Gleicher Autor wie das obige Buch
• Allgemeine Missverständnisse über Datenanalyse, Big Data usw.
• "Was ist ein Datenanalysespezialist?" Arbeiten in einem Unternehmen —— Nicht nur die Mathematik beherrschen, sondern auch inspirierende Möglichkeiten, sie zu nutzen
• Verantwortlich für Ergebnisse und Analysen (Überprüfung / Interpretation bis zur Überzeugung)
• Erwerben Sie ein Fachgebiet
• Einen Ort betreten, um persönliche Verbindungen herzustellen (Gesellschaft / Gemeinschaft)
• Verbreitung von Informationen (Gesellschaft / Gemeinschaft)
• Um unnötige Analysen zu vermeiden
• Daten --Analyse
• KKD
• Kosteneffektivität

5. Buch: Die Kraft der Datenanalyse Eine Denkweise, die sich kausalen Zusammenhängen nähert

Verfasser: Koichiro Ito
der Herausgeber:Kobunsha
Erscheinungsdatum: 2017/4/20

Impressionen

――Da der Autor ursprünglich empirische Untersuchungen zu angewandter Wirtschaft und Politik durchgeführt hat, ist dies näher an empirischen Experimenten. ――Wie im Titel steht ** Können Sie Daten analysieren, Probleme festlegen und Ergebnisse unter Berücksichtigung von "Ursache und Wirkung" bewerten? Ein Buch namens **

• Viel Platz ist dem "Randomisierungstest" und dem "experimentellen Design" gewidmet. --Leicht zu lesen. Sie können das Lesen über eine lange Distanz beenden, während Sie eine rote Linie zeichnen.
• ** Es ist kein Buch darüber, wie man es für Unternehmen nutzt **, aber wenn Sie Kenntnisse über "Demonstrationsexperimente und Kausalität" haben, wenn Sie über "Bewertung der Ergebnisse" und "Festlegung des Zwecks" nachdenken **, enden Sie nicht mit einer Analyse, sondern numerisch Ich denke, ich kann mit dem Management sprechen **
• (Es ist eine andere Geschichte, wenn man ohne ein Gefühl der Ablehnung zuhören kann ...)

Einführung in den Inhalt

• Es gibt viele Inhalte darüber, wie man "Experiment" und "Effekt" misst. ―― Beurteilen Sie nicht nur nach Intuition und Erfahrung. Der Markt reagiert möglicherweise überhaupt nicht auf das Bildschirmdesign, das der Ersteller des Webbildschirms für gut hielt.
• Wenn Sie in großem Maßstab experimentieren können, randomisieren Sie ihn und führen Sie einen AB-Test durch, bevor Sie eine Entscheidung treffen. ――Es ist schwierig, den Effekt zu messen, da es nicht möglich ist, Daten für die „nicht intervenierende Gruppe“ mit realen Daten zu erhalten. --Visualisieren Sie die Daten und erstellen Sie das Ergebnis "Ich konnte es nicht wirklich beobachten, aber es wäre passiert" und verwenden Sie es als Partner für die Bewertung der experimentellen Ergebnisse (** Mögliche Ergebnisse und parallele Trend-Temporär- / Differenzdifferenzmethode * *)

Buch 6: Einführung in strategische datenwissenschaftliche Konzepte und Techniken für Unternehmen

Verfasser: Foster Provost
Herausgeber: O'Reilly Japan
Erscheinungsdatum: 2014/7/19

Impressionen

»Das war lang. Über 500 Seiten ――Der Inhalt fühlt sich bereits ab dem Jahr der Veröffentlichung etwas alt an ――Da es sich um eine Übersetzung des Buches eines ausländischen Autors handelt, ist es schwer zu lesen, was einem übersetzten Buch eines Fachbuchs eigen ist.

• (Es gibt viele Teile, die schwer zu verstehen sind. Ich werde mit meiner eigenen Interpretation überleben.)
• Die Geschichte, nach der Sie gesucht haben, war in den Kapiteln 11-14 und im Anhang.
• (Insbesondere habe ich im Anhang und in Kapitel 13, Wartung und Schulung der Umgebung sowie Projektevaluierung die notwendigen Anforderungen an Manager kennengelernt.) ――Es ist auch wichtig, "die Untergebenen Ihres Chefs zu lieben", "mit verwandten Abteilungen zu kommunizieren" und "nach draußen zu gehen und starke Bekanntschaften in einer Vielzahl von Bereichen zu machen". ――Wenn Sie ein Manager oder ein Managementteam sind, wenn Sie in einem Unternehmen Data Science betreiben möchten, kennen Sie das analytische Wissen! In den Kapiteln 2 bis 6 und 10 wird daher die Verwendung des Algorithmus einschließlich der Theorie vorgestellt.

Einführung in den Inhalt

• Ein Buch eines Autors, der für eine ehemalige große Telefongesellschaft arbeitete und darüber sprach, wie ** Data Science ** im ** Geschäft ** eingesetzt werden kann, um für das Unternehmen erfolgreich zu sein. ――Ist Data Science in der Wirtschaft "wertvoll"? Aus Daten? Personen im Bereich Data Science und Manager mit Kenntnissen in Data Science ** "identifizieren, sammeln Daten angemessen, bewerten Erfolge und haben geschäftliche Auswirkungen. Es ist wichtig zu messen (einschließlich der Beurteilung, ob es gemessen werden kann), damit es bereitgestellt werden kann, bis es von Personen auf der Unternehmensseite verwendet wird. "** ――Zu diesem Zweck klären Sie bei der Datenanalyse nach dem Verständnis des Geschäfts "die Probleme", "stellen Sie fest, ob die Daten ausreichend sind" und "Data Mining". ――Wenn ein Modell erstellt werden kann, muss anstelle von Yoshi "Formulierung / Problemstrukturierung / Modellierung zur Problemlösung" durchgeführt werden. ――Kommunizieren Sie mit der Unternehmensseite und klären Sie die Anforderungen für deren Entwicklung
• Viele Einführungen zitierter Dokumente ――Es scheint, dass Data Mining mit internen Daten in Übersee aktiv ist. ――Da Literatur nur eine Einführung in Beispiele und Algorithmen ist, wird empfohlen, so viel wie möglich zu lesen. ――Es war ein interessantes Dokument, den "IQ des Benutzers" in "ähnlichen Artikeln" auf Facebook messen zu können.
  • PNAS kosinski 2013

7. Buch: Wie man die Daten nutzt, die innerhalb und außerhalb des Unternehmens schlafen - Der Standpunkt, um Bedeutung in den Daten zu finden -

Verfasser: Hayashi Hagikawa
der Herausgeber:Werbekonferenz Co., Ltd.
Erscheinungsdatum: 2018/2/10

Impressionen

――Da es in Vertrieb und Marketing angesiedelt ist, ist es ein Inhalt, der sich an Menschen in diesem Bereich hält

• Ein gutes Buch, das beschreibt, wie Anfänger mit der Analyse vorgehen, um "mit Zahlen zu sprechen".
• Es gibt viele zusätzliche Inhalte für diejenigen, die Analysen benötigen, die nicht sehr mit Fragebogenumfragen und Targeting zusammenhängen. ――Datenanalyse und hypothetisches Denken sind für jede Analyse erforderlich. Wenn Sie also die erforderlichen Teile extrahieren und formatieren, können Sie sie auch in anderen Bereichen verwenden. ――Ich bin der Meinung, dass es sich um ein Buch handelt, in dem Geschäftsvorschläge aus ** Berichten mit eingehender Analyse und Interpretation ** gemacht werden, anstatt Probleme zu lösen.

Einführung in den Inhalt

• Ein Buch im Romanstil, das sich auf "Marketing" konzentriert und "Planungsvorschläge" durch "Datenanalyse" ausführt.
• Sammeln von Fakten für hypothetisches Denken
• Sammeln Sie die fehlenden Fakten aus Fragebogenumfragen, Interviews und Finanzberichten
• Aggregieren und visualisieren Sie Daten und fügen Sie Interpretationen hinzu, um daraus einen Bericht zu machen
• Schränken Sie Kunden bei der Visualisierung und Analyse von Ratenanteilen ein ――Erstellen Sie auf der Grundlage des oben Gesagten ein Planungskonzept ―― 1. Ziel ―― 2. Bedürfnisse ―― 3. Produkt ―― 4. Gewinn
• Problemanalyse hinzufügen ―― 1. Machbarkeit ―― 2. Erwartete Wirkung ―― 3. Geschäft ――Lassen Sie es schließlich in einem Format ab und machen Sie daraus einen Vorschlag —— Überlegen Sie, ob Plan und Geschäftsmodell übereinstimmen

8. Buch: Einführung in den praktischen Prozess der Datenanalyse

Autor: Anchibe
Herausgeber: Morikita Publishing
Erscheinungsdatum: 2015/6/20

Impressionen

――Wie im Untertitel erwähnt, ein Buch für "Personen, die keinen zuverlässigen Chef oder Senior, kein Datenbank- oder Analyse-Know-how haben"

• Es wird in der Reihenfolge von Zweckeinstellung, Datenerfassung, Vorverarbeitung, Analyse, Betrieb (KPI) und Maßnahmen geschrieben.
• Die gewünschten Informationen befanden sich unter "Zweckeinstellung" und "Betrieb (KPI)". ――Ich war an der Ordnerverwaltung des Analysefalls des Autors interessiert, damit der codierte nicht durcheinander gebracht wird ――Obwohl es nicht so fein in Ordner unterteilt ist wie der Autor, ist es gut, Skripte und Daten für jedes Analyseprojekt und jeden Analyseansatz separat zu verwalten.

Einführung in den Inhalt

--Daten wurden gesammelt. Ich habe es analysiert und ein Modell mit guter Genauigkeit erstellt. Ist nicht von geschäftlichem Wert.

• Legen Sie einen KPI fest, der als Wert beurteilt werden kann (Benutzerbindungsrate? Abrechnungsbetrag? Was ist die Lösung für das Problem)?
• Melden Sie die Analyseergebnisse der Unternehmensseite und erstellen Sie einen Plan, wie Maßnahmen und Verbesserungen ergriffen werden können. ――Wir werden während der Maßnahmen Sitzungen abhalten und die Ergebnisse des Modells weiterhin interpretieren und „nutzen“. ――Überprüfen Sie den KPI vor und nach der Maßnahme und melden Sie, ob er sich verbessert. ――Wenn es mehrere verwandte Abteilungen gibt, verstehen Sie, welcher KPI für diese Abteilung von Vorteil ist, und zeigen Sie den erforderlichen KPI an.

9. Buch: Datenanalyse-Übungskurs, der von Accenture-Fachleuten gehalten wird

Verfasser: Takuya Kudo ・ Hogakusei
der Herausgeber:Shosuisha
Erscheinungsdatum: 2016/5/30

Impressionen

――Die Aufgabeneinstellung für die Geschäftsauslastung befand sich im ersten Halbjahr, aber das Volumen ist geringer als bei anderen Büchern. ―― Insgesamt ist es so geschrieben, dass es zu abstrakt ist und auf jede Weise interpretiert werden kann. ―― Da es jedoch auch umfassend ist, ist es als Einführungsbuch mit einem breiten Spektrum an datenwissenschaftlichen Informationen positioniert. ――Kapitel 7 und höher führt in Methoden und die Verwendung von Paketen ein, die mit R nur schwer zu erkennen sind. —— Lust, „Data Science with R“ zu lesen --Marktkorb

• Priori-Algorithmus
• Analyse und Visualisierung anhand von Kartendaten
• Empfehlung (kooperative Filterung)
• Hierarchische Clusteranalyse
  • Gephi,igraph »Persönlich war es sehr schwer zu lesen. (Selbst ein populärer Schriftsteller hat das Gefühl, dass es schwierig ist, Sätze zu lesen, die nicht zu ihm passen.)

Einführung in den Inhalt

――Über die Methode zur Verbesserung der Dateninfrastruktur anhand der Aufgabeneinstellung ――Ich habe zum ersten Mal etwas über die Geschichte der verteilten Verarbeitungstechnologie erfahren und wie sie sich entwickelt hat, um ihre Nachteile auszugleichen (Hadoop, MapReduce, DWH).

• In Kapitel 7 und den folgenden Kapiteln werden Methoden zur Datenanalyse vorgestellt. ――Es ist erforderlich, Probleme festzulegen, um Data Science in Unternehmen zu erstellen
• Es gibt einen Top-Down / Bottom-Up-Ansatz zur Verbesserung der Analysebasis

10. Buch: Einführung in die Datenwissenschaft aus Business Use Cases

Verfasser: Ryuji Sakamaki, Yohei Sato
der Herausgeber:SB kreativ
Erscheinungsdatum: 2014/6/24

Impressionen

――In den Kapiteln 1 und 2 gibt es nur wenige Teile, die sich auf die Geschäftsauslastung beziehen.

• Ein Good Practice-Buch für diejenigen, die nur das Geschäftsproblem und den R-Code gemeinsam analysieren möchten.
• Geschäftsproblem-> Finden Sie eine plausible Hypothese-> Aktionsplan-> Fluss des Analysecodes mit R. ――Einzigartig anhand von Daten, für die absichtlich eine Vorverarbeitung erforderlich ist
• Es ist leicht vorstellbar, da es sich um ein Analysebeispiel handelt, bei dem strukturierte (Tabellen-) Daten verwendet werden, die von SQL extrahiert werden.

Einführung in den Inhalt

• Über die Kluft zwischen der idealen Figur und der aktuellen Situation nachdenken
• Separate Phänomene und Probleme
• Verwenden Sie Analysemethoden für verschiedene Probleme am Beispiel virtueller Spiele --Kundensegmentierung mit Clustering
• Kenntnis der Merkmale kontinuierlicher Benutzer mit einem Entscheidungsbaum
• Kenntnis der Auswirkung von Werbekosten durch einen multiplen Regressionskoeffizienten

11. Buch: Überarbeitete 2. Auflage Data Scientist Training Reader [Erhalten Sie die Fähigkeit zur Datenanalyse, um ein Profi zu werden! ]]

Autor: Für jedes Kapitel sind mehrere Personen verantwortlich
der Herausgeber:Technical Review Company
Erscheinungsdatum: 2016/8/25

Impressionen

• Klicken Sie hier vor der Überarbeitung

――Die überarbeitete Version ist leichter zu lesen, daher sollten Sie die überarbeitete 2. Ausgabe erwerben. ―― Erstens ist die Farbe der Geschäftsauslastung hell, aber wenn es das erste Buch für Ingenieure ist, ist es ein ziemlich gutes Buch ――Ein Buch, das Sie aus dieser Perspektive sehen können, wenn Sie Geschäftsdaten von Seiten des Ingenieurs analysieren ――Ich hoffe, dass Sie beim Tragen dieser Analysemethode und beim Auftreten von Daten flattern.

Einführung in den Inhalt

――Ein Buch, mit dem Anfänger in der Datenwissenschaft die Datenwissenschaft umfassend kennenlernen können

• Da Data Mining unter der Annahme von Geschäftsdaten (** Special Feature 2 **) aufgeführt ist, habe ich es als Kandidaten aufgenommen.
• Ehemaliger Dricom, Marketinganalyse von Herrn Yohei Sato, der auch der Autor der obigen "Einführung in die Datenwissenschaft" ist (Es scheint kein Skript für offizielle Unterstützung zu geben? Handschriftliches Kopieren ist schwierig)
• Mixi Shimoda, Kimuras Bergbaufall
• Die Netzwerkanalyse von Herrn Hiroko Taisei ――Wie verbinden Sie sich mit dem Geschäft? Obwohl es nur wenige Gespräche gibt, wird geschrieben, dass aus Kundendaten ein Cluster erstellt wird und welche Art von Marketing auf welcher Ebene durchgeführt werden sollte.

12. Buch: Lernen Sie, während Sie Ihre Hände bewegen Data Mining, das im Geschäftsleben eingesetzt werden kann

Verfasser: Takashi Ozaki
der Herausgeber:Technical Review Company
Erscheinungsdatum: 2014/8/21

Impressionen

--Blogger, der in der Welt der Datenwissenschaft berühmt ist und einen interessanten Blog hat (diejenigen, die in Roppongi oder Ginza arbeiten) ――Es kann die Position von Rs grundlegendem Einführungsbuch für den Bergbau sein und nicht für die geschäftliche Nutzung ――Es mag gut sein, es mit R zu versuchen und ein Bild zu bekommen, aber

• Ich empfehle andere Bücher für ein umfassendes R-Einführungsbuch (Suche basierend auf Wörtern wie R, Statistik, maschinelles Lernen usw.) ――In Bezug auf die Geschäftsauslastung denken Sie möglicherweise an "Seed of Measures" aus den Analyseergebnissen, aber es wird dort aufhören.

Einführung in den Inhalt

• Analyse mit R nach einem Beispiel
• Mehrfache Regression von Bierdaten
• Bestimmen Sie den Kampagneneffekt. Untersuchen Sie die Ursache anhand des Baums
• Obwohl der Durchschnittswert unterschiedlich ist, analysieren Sie "kein Zufall" unter Berücksichtigung von Statistiken

13. Buch: Praktisches Lehrbuch für tiefes Lernen

Autor: Japan Deep Learning Association
der Herausgeber:Nikkei BP
Erscheinungsdatum: 2019/10/25

Impressionen

――Wenn Sie Kenntnisse über maschinelles Lernen und tiefes Lernen haben, können Sie sich vorstellen, welche Technologie das Problem gelöst hat.

• Ein Buch, das sich mit AI-Nachrichtenartikeln befasst ――Was ich wissen wollte, war mehr als eine Einführung in die Technologie ――Wie sind Sie auf das Problem gekommen, was wollten Sie verbessern und wie haben Sie sich für maschinelles Lernen entschieden? --Überprüfungsarbeiten zum Weg und zur Auswahl der darin enthaltenen Modelle ――In welchem Stadium war die Managemententscheidung?
• In Projekte investieren und organisieren ――Wo haben Sie den Datenwissenschaftler geworfen? »Das war es, aber diese waren nicht zufrieden.
• Wenn Sie bereits ein Data Science-Team haben und bereit sind, es unternehmensweit zu bewerben, können Sie es verwenden, wenn Sie sagen: "** Lesen Sie dieses auf Japanisch eingeführte Buch, anstatt über eine Ablenkung von einer englischen Zeitung nachzudenken **". damit

Einführung in den Inhalt

• Es gibt Beispiele für tiefes Lernen, die von jedem Unternehmen verwendet werden. --G Test empfohlene Bücher (weil der Test Probleme mit der Technologie und ihrer sozialen Umsetzung aufwirft)

Zum Schluss die Zusammenfassung, die ich fühlte

―― Anstatt die Analysemethode zu lernen, lernte ich die Philosophie "Was ist Datenanalyse als Unternehmer?" (Ich fühle) ――Sie müssen bereit sein, unternehmensweit vorzugehen (wenn Sie es nicht haben, ist es schmerzhaft, aber von unten nach oben). ――Denken Sie darüber nach, wie Sie die Daten verwenden, damit sie sich lohnen, und analysieren Sie sie ――Ein Gefühl der Eigenverantwortung, das den Benutzer nicht nur analysiert, sondern auch verfolgt ――Hören und in der Lage sein, eine benutzerfreundliche Persönlichkeit zu verwenden

• Das Ergebnis ist "verantwortlich auf der gleichen Ebene wie die Website"
• POC-Kostenreduzierung, Eigenverantwortung, nutzlose Erstellung und Präsentation von Power Po usw. ――Nach der Analyse werden wir in "Kausalanalyse" eine aussagekräftige Erklärung geben, um sie mit den Maßnahmen in Verbindung zu bringen. ―― „Verwendete Analyseergebnisse“ werden an die Website verkauft, gewinnen die Anerkennung des Schlüsselmanns, überzeugende Erklärungen, höfliche Erklärungen zur Verwendung, erstellen eine einfach zu lesende Benutzeroberfläche, analysieren den Grund, warum sie nicht mehr verwendet wird, und folgen ihr und verhandeln mit dem App-Infrastruktur-Team Anforderungsdefinition und Mechanismus für maschinelles Lernen sind modularisiert und ausgelagert ... ** Es gibt viele Dinge zu tun **

Ende

Es war schwieriger, sich an den Autor zu erinnern, als ein Buch über analytische Methoden zu lesen. Um den Inhalt des Buches tatsächlich nutzen zu können, muss es entsprechend dem Unternehmensklima abstrahiert und angewendet werden

~~ Was ist ein Datenwissenschaftler? ~~