LibCat » Книги » Компьютеры и интернет » Базы данных » Роман Зыков - Роман с Data Science. Как монетизировать большие данные [litres]

Роман Зыков - Роман с Data Science. Как монетизировать большие данные [litres]

Здесь есть возможность читать онлайн «Роман Зыков - Роман с Data Science. Как монетизировать большие данные [litres]» — ознакомительный отрывок электронной книги совершенно бесплатно, а после прочтения отрывка купить полную версию. В некоторых случаях можно слушать аудио, скачать через торрент в формате fb2 и присутствует краткое содержание. Город: Санкт-Петербург, Год выпуска: 2021, ISBN: 2021, Издательство: Издательство Питер, Жанр: Базы данных, popular_business, на русском языке. Описание произведения, (предисловие) а так же отзывы посетителей доступны на портале библиотеки ЛибКат.

Читать книгу

Название:
Роман с Data Science. Как монетизировать большие данные [litres]
Автор:
Роман Владимирович Зыков
Издательство:
Издательство Питер
Жанр:
Базы данных / popular_business / на русском языке
Год:
2021
Город:
Санкт-Петербург
ISBN:
978-5-4461-1879-3
Рейтинг книги:
3 / 5. Голосов: 1
Избранное:

Добавить в избранное
Отзывы:
Написать комментарий
Ваша оценка:
- 60
- 1
- 2
- 3
- 4
- 5

Роман с Data Science. Как монетизировать большие данные [litres]: краткое содержание, описание и аннотация

Предлагаем к чтению аннотацию, описание, краткое содержание или предисловие (зависит от того, что написал сам автор книги «Роман с Data Science. Как монетизировать большие данные [litres]»). Если вы не нашли необходимую информацию о книге — напишите в комментариях, мы постараемся отыскать её.

Как выжать все из своих данных? Как принимать решения на основе данных? Как организовать анализ данных (data science) внутри компании? Кого нанять аналитиком? Как довести проекты машинного обучения (machine learning) и искусственного интеллекта до топового уровня? На эти и многие другие вопросы Роман Зыков знает ответ, потому что занимается анализом данных почти двадцать лет. В послужном списке Романа – создание с нуля собственной компании с офисами в Европе и Южной Америке, ставшей лидером по применению искусственного интеллекта (AI) на российском рынке. Кроме того, автор книги создал с нуля аналитику в Ozon.ru.
Эта книга предназначена для думающих читателей, которые хотят попробовать свои силы в области анализа данных и создавать сервисы на их основе. Она будет вам полезна, если вы менеджер, который хочет ставить задачи аналитике и управлять ею. Если вы инвестор, с ней вам будет легче понять потенциал стартапа. Те, кто «пилит» свой стартап, найдут здесь рекомендации, как выбрать подходящие технологии и набрать команду. А начинающим специалистам книга поможет расширить кругозор и начать применять практики, о которых они раньше не задумывались, и это выделит их среди профессионалов такой непростой и изменчивой области. Книга не содержит примеров программного кода, в ней почти нет математики.
В формате PDF A4 сохранен издательский макет.

Роман с Data Science. Как монетизировать большие данные [litres] — читать онлайн ознакомительный отрывок

Ниже представлен текст книги, разбитый по страницам. Система сохранения места последней прочитанной страницы, позволяет с удобством читать онлайн бесплатно книгу «Роман с Data Science. Как монетизировать большие данные [litres]», без необходимости каждый раз заново искать на чём Вы остановились. Поставьте закладку, и сможете в любой момент перейти на страницу, на которой закончили чтение.

Тёмная тема

Шрифт:

↓

↑

Сбросить

Интервал:

↓

↑

Закладка:

Сделать

64. Netflix prize. https://www.netflixprize.com

65. Netflix Recommendations: Beyond the 5 stars (Part 1). https://netflixtechblog.com/netflix-recommendations-beyond-the-5-stars-part-1-55838468f429

66. Andrew Gelman, Jenifer Hill «Data Analysis Using Regression and Multilevel/Hierarchical Models». https://www.dropbox.com/s/a82wwn6l74j5qka/Gelman-missing.pdf?dl=0

67. Google Course of ML: Imbalanced Data. https://developers.google.com/machine-learning/data-prep/construct/sampling-splitting/imbalanced-data

68. «10 уроков рекомендательной системы Quora». https://habr.com/ru/company/retailrocket/blog/341346/

69. «Как разрушился стартап, годами выдававший армию бухгалтеров за искусственный интеллект». https://www.forbes.ru/tehnologii/405589-kak-razrushilsya-startap-godami-vydavavshiy-armiyu-buhgalterov-za-iskusstvennyy

70. Yandex Toloka. https://toloka.ai/ru/

71. Drilling Down: Turning Customer Data into Profits with a Spreadsheet – Third Edition, Jim Novo.

72. Google Rules of Machine Learning: Best Practices for ML Engineering. https://developers.google.com/machine-learning/guides/rules-of-ml

73. В Норвегии с паразитами рыб борются при помощи подводных роботов с лазерами. https://habr.com/ru/post/402797/

74. «Русская аквакультура» взялась за разведение лосося на Дальнем Востоке. https://www.rbc.ru/business/01/09/2020/5f4cb2159a7947347c5c16a9

75. Adidas backpedals on robotic shoe production with Speedfactory closures. https://techcrunch.com/2019/11/11/adidas-backpedals-on-robotic-factories/

76. Рохо, Антонио. Возможно да, возможно нет. Фишер. Статистический вывод // Наука. Величайшие теории. – М.: Де Агостини, 2015. – Вып. 47. – ISSN 2409–0069.

77. Larry Wasserman, All of Statistics: A Concise Course in Statistical Inference (Springer Texts in Statistics), Springer (December 1, 2010).

78. Непараметрические критерии. http://statistica.ru/theory/neparametricheskie-kriterii/

79. B. Efron, Bootstrap Methods: Another Look at the Jackknife.https://doi.org/10.1214/aos/1176344552

80. Bootstrap confidence intervals. https://www.dropbox.com/s/6dbqxrcocmfxyvp/MIT18_05S14_Reading24.pdf?dl=0

81. Criteo Labs: Why your A/B-test needs confidence intervals. https://medium.com/criteo-labs/why-your-ab-test-needs-confidence-intervals-bec9fe18db41

82. Bayesian A/B tests. https://richrelevance.com/2013/05/21/bayesian-ab-tests/

83. William Bolstard, Introduction to Bayesian Statistics.

84. Ron Kohavi, Alex Deng, Roger Longbotham, and Ya Xu. Seven Rules of Thumb for Web Site Experimenters. https://exp-platform.com/rules-of-thumb/

85. Retail Rocket Segmentator. https://github.com/RetailRocket/RetailRocket.Segmentator

86. Reinforcement Learning: An Introduction. https://web.stanford.edu/class/psych209/Readings/SuttonBartoIPRLBook2ndEd.pdf

87. The Privacy Project. https://www.nytimes.com/interactive/2019/opinion/internet-privacy-project.html

88. One Nation tracked. https://www.nytimes.com/interactive/2019/12/19/opinion/location-tracking-cell-phone.html

89. Google Authorized Buyers, Real-time Bidding. https://developers.google.com/authorized-buyers/rtb/start

90. Explained: Data in the Criteo Engine. https://www.criteo.com/blog/explained-data-in-the-criteo-engine/

91. We Built an ‘Unbelievable’ (but Legal) Facial Recognition Machine. https://www.nytimes.com/interactive/2019/04/16/opinion/facial-recognition-new-york-city.html

92. What ISPs Can See, Upturn, March 2016. https://www.upturn.org/reports/2016/what-isps-can-see/

93. The GDPR Is a Cookie Monster. https://content-na1.emarketer.com/the-gdpr-is-a-cookie-monster

94. IAB. Cookies on Mobile 101. https://www.iab.com/wp-content/uploads/2015/07/CookiesOnMobile101Final.pdf

95. How Online Shopping Makes Suckers of Us All. https://www.theatlantic.com/magazine/archive/2017/05/how-online-shopping-makes-suckers-of-us-all/521448/

96. Почему крупнейшие сайты рунета убирают счетчик Liveinternet? https://vc.ru/flood/1822-pochemu-krupneyshie-saytyi-runeta-ubirayut-schetchik-liveinternet

97. How To Break Anonymity of the Netflix Prize Dataset. https://arxiv.org/abs/cs/0610105

98. ‘Alexa, are you invading my privacy?’ – the dark side of our voice assistants. https://www.theguardian.com/technology/2019/oct/09/alexa-are-you-invading-my-privacy-the-dark-side-of-our-voice-assistants

99. LeakyPick: IoT Audio Spy Detector. https://arxiv.org/abs/2007.00500

100. I Search, Therefore I AM, Andreas Weigend. https://www.dropbox.com/s/xk6w60szuq6dpeh/WeigendFOCUS2004-en.pdf?dl=0

101. We Read 150 Privacy Policies. They Were an Incomprehensible Disaster. https://www.nytimes.com/interactive/2019/06/12/opinion/facebook-google-privacy-policies.html

102. 5 Americans who used NSA facilities to spy on lovers. https://www.washingtonpost.com/news/the-switch/wp/2013/09/27/5-americans-who-used-nsa-facilities-to-spy-on-lovers/

103. Pie & AI Asia: On Ethical AI with Andrew Ng. https://www.deeplearning.ai/blog/pie-ai-asia-on-ethical-ai-with-andrew-ng/

104. What Do We Do About the Biases in AI? https://hbr.org/2019/10/what-do-we-do-about-the-biases-in-ai

105. Уже почти половина россиян стали блокировать интернет-рекламу. https://www2.deloitte.com/ru/ru/pages/about-deloitte/deloitte-in-press/2019/blokirovka-internet-reklamy.html

106. IAB Europe Guide to the Post Third-Party Cookie Era. https://iabeurope.eu/knowledge-hub/iab-europe-guide-to-the-post-third-party-cookie-era/

107. GDPR vs ФЗ-152. https://vc.ru/flood/42581-gdpr-vs-fz-152

108. This Article Is Spying on You. https://www.nytimes.com/2019/09/18/opinion/data-privacy-tracking.html

109. Functionalism: A New Approach to Web Analytics. https://www.dropbox.com/s/a75hmjzekf006ia/wpaper_005.pdf?dl=0

110. Артур М. Хьюс. «Маркетинг на основе баз данных».

111. «Как Денис Крючков выкупил Хабр у Mail.ru». https://habr.com/ru/company/roem/blog/193488/

112. Two Decades of Recommender Systems at Amazon.com. https://www.amazon.science/publications/two-decades-of-recommender-systems-at-amazon-com

113. Item-to-Item Collaborative Filtering, Greg Linden, Brent Smith, and Jeremy York. https://www.dropbox.com/s/dctxbv8dk8wrsmw/Amazon-Recommendations.pdf?dl=0

114. How to use Merchandising eVars in Adobe Analytics. https://dmpg.co.uk/how-to-use-merchandising-evars-in-adobe-analytics-product-modules

115. Роман Зыков. «Итоги запуска системы рекомендаций на Ozon.ru». https://www.dropbox.com/s/68kixkhk5yqjwve/kibrzykov24thapr2009.pdf?dl=0

116. Стартап RetailRocket – сервис для рекомендации товаров в интернет-магазинах. https://vc.ru/story/1285-retailrocket-ecommerce

117. Шпаргалка методов машинного обучения. https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html