Część I O co w tym chodzi? Najważniejsze zasady Data Science Dokąd zmierzamy Przyszłość to dane Hamowanie postępu 01 Definicja danych Dane są wszędzie Wielkość (danych) ma znaczenie Przechowywanie i przetwarzanie danych Dane mają moc tworzenia Użycie danych Dlaczego właśnie teraz dane stały się ważne Martwienie się nic nie da 02 Jak dane spełniają nasze potrzeby Wszechobecność danych Data Science a potrzeby fizjologiczne Data Science a potrzeby bezpieczeństwa Data Science a potrzeby przynależności i miłości Data Science a samorealizacja Data Science a samodoskonalenie Kilka słów podsumowania 03 Sztuczna inteligencja a nasza przyszłość Czym jest sztuczna inteligencja? Silna sztuczna inteligencja Słaba sztuczna inteligencja Robotyka i automatyzacja procesów Rozpoznawanie obrazów Przetwarzanie języka naturalnego Uczenie ze wzmocnieniem oraz uczenie głębokie Ciemna strona sztucznej inteligencji Przygotuj się na część II Część II Gdzie i jak je znajdę? Gromadzenie i analiza danych Proces Data Science Pierwsze kroki 04 Określenie problemu Spójrz mamo, nie ma danych! Jak rozwiązać taki problem, jak Pilnowanie czasu Sztuka mówienia nie Naprzód! 05 Przygotowanie danych Spraw, żeby dane zaczęły mówić Z wielką władzą wiąże się wielka odpowiedzialność Przygotuj dane do podróży Bibliografia 06 Klasyczna analiza danych Nie pomiń tego kroku Klasyfikacja i analiza skupień Klasyfikacja Drzewa decyzyjne Lasy losowe Algorytm k najbliższych sąsiadów Naiwny klasyfikator Bayesa Klasyfikacja przy użyciu klasyfikatora Bayesa Regresja logistyczna Analiza skupień Algorytm grupowania metodą k-średnich Grupowanie hierarchiczne 07 Nowoczesna analiza danych Uczenie ze wzmocnieniem Problem wielorękiego bandyty Algorytm UCB Próbkowanie Thompsona Który algorytm jest lepszy próbkowanie Thompsona czy UCB? Głębokie uczenie maszynowe Ustalanie wag jak uczą się sztuczne sieci neuronowe Przyszłość analizy danych Część III Jak to przedstawić? Opowiadanie o danych Jak dobrze wyglądać Jeszcze nie skończyliśmy! Akcelerator kariery 08 Wizualizacja danych Czym jest analiza wizualna? Czym jest wizualizacja danych? Mówienie językiem wizualnym Kroki tworzenia atrakcyjnych wizualizacji Uwagi końcowe Idąc o krok dalej Typy wykresów 09 Prezentacja danych Znaczenie opowieści Powołanie rzecznika danych Jak stworzyć świetną prezentację Koniec procesu Data Science Bibliografia 10 Twoja kariera specjalisty danych Wejście do świata Data Science Ubieganie się o pracę Przygotowanie do rozmowy kwalifikacyjnej Przeprowadzanie wywiadu Dbanie o rozwój firmowej kariery