Επιστήμη Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python, 2η έκδοση
9789604911448
Grus Joel
2021-11-10
408
Επιστήμη Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python, 2η έκδοση
Συγγραφέας/εις: Grus Joel
€29.70
Τιμή Εκδότη
€33.00
Τιμή Καταστήματος
€29.70
Για να μάθετε πραγματικά την επιστήμη δεδομένων, δεν πρέπει απλώς να κυριαρχήσετε στα εργαλεία –βιβλιοθήκες επιστήμης δεδομένων, πλαίσια, μονάδες κώδικα και εργαλειοθήκες–, αλλά επίσης να κατανοήσετε τις ιδέες και τις αρχές που διέπουν τη λειτουργία τους.
Αυτή η δεύτερη έκδοση της Επιστήμης Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python, ενημερωμένη για την Python 3.6, σας δείχνει πώς λειτουργούν αυτά τα εργαλεία και οι αλγόριθμοι εφαρμόζοντάς τα από τα πρώτα βήματα.
Αν έχετε κλίση στα μαθηματικά και ικανότητες προγραμματισμού, ο συγγραφέας Joel Grus θα σας βοηθήσει να αισθανθείτε άνετα με τα μαθηματικά και τη στατιστική που βρίσκονται στον πυρήνα της επιστήμης δεδομένων, καθώς και με τις απαραίτητες γνώσεις «χακαρίσματος» που απαιτούνται για να ξεκινήσετε ως επιστήμονες δεδομένων. Με νέο υλικό στη βαθιά μάθηση, στη στατιστική και στην επεξεργασία φυσικής γλώσσας, αυτό το ανανεωμένο βιβλίο σάς δείχνει τον τρόπο να βρείτε τα κρυμμένα διαμάντια μέσα στον σημερινό χαώδη κυκεώνα των δεδομένων.
• Πάρτε ένα ταχύρρυθμο μάθημα στην Python
• Μάθετε τις βασικές αρχές της γραμμικής άλγεβρας, της στατιστικής και των πιθανοτήτων – και πώς και πότε χρησιμοποιούνται στην επιστήμη των δεδομένων
• Συλλέξτε, εξερευνήστε, καθαρίστε, μετασχηματίστε και επεξεργαστείτε τα δεδομένα
• «Καταδυθείτε» στις βασικές αρχές της μηχανικής μάθησης
• Υλοποιήστε μοντέλα όπως k-πλησιέστεροι γείτονες, απλοϊκή ταξινόμηση κατά Bayes, γραμμική και λογιστική παλινδρόμηση, δέντρα αποφάσεων, νευρωνικά δίκτυα και ομαδοποίηση
• Εξερευνήστε τα συστήματα συστάσεων, την επεξεργασία φυσικής γλώσσας, την ανάλυση δικτύων, το MapReduce και τις βάσεις δεδομένων
Βιβλιοκριτικές
«Ο Joel σάς ταξιδεύει από τα στοιχειώδη ερωτήματα της επιστήμης των δεδομένων έως την πλήρη κατανόηση των βασικών αλγόριθμων που κάθε επιστήμονας δεδομένων πρέπει να γνωρίζει».
—Rohit Sivaprasad
Μηχανικός, Facebook
«Συνιστώ το βιβλίο Επιστήμη Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python στους αναλυτές και μηχανικούς που θέλουν να εξελιχθούν κατακτώντας το πεδίο της μηχανικής μάθησης. Είναι το καλύτερο εργαλείο για την κατανόηση των βασικών αρχών αυτού του επιστημονικού κλάδου».
—Tom Marthaler
Μηχανικός Διευθυντής, Amazon
«Είναι δύσκολο να μετατρέπεις τις έννοιες της επιστήμης των δεδομένων σε κώδικα. Το βιβλίο του Joel το καθιστά πολύ ευκολότερο».
—William Cox
Μηχανικός μηχανικής μάθησης, Grubhub
Ο Joel Grus είναι μηχανικός έρευνας στο Ινστιτούτο Τεχνητής Νοημοσύνης Allen. Προηγουμένως εργάστηκε ως μηχανικός λογισμικού στην Google και ως επιστήμονας δεδομένων σε διάφορες startups. Ζει στο Σιάτλ, όπου «παρακολουθεί» τακτικά μαθήματα επιστήμης δεδομένων. Γράφει περιστασιακά στο μπλογκ του joelgrus.com και τουιτάρει ολημερίς στο @joelgrus.
Αυτή η δεύτερη έκδοση της Επιστήμης Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python, ενημερωμένη για την Python 3.6, σας δείχνει πώς λειτουργούν αυτά τα εργαλεία και οι αλγόριθμοι εφαρμόζοντάς τα από τα πρώτα βήματα.
Αν έχετε κλίση στα μαθηματικά και ικανότητες προγραμματισμού, ο συγγραφέας Joel Grus θα σας βοηθήσει να αισθανθείτε άνετα με τα μαθηματικά και τη στατιστική που βρίσκονται στον πυρήνα της επιστήμης δεδομένων, καθώς και με τις απαραίτητες γνώσεις «χακαρίσματος» που απαιτούνται για να ξεκινήσετε ως επιστήμονες δεδομένων. Με νέο υλικό στη βαθιά μάθηση, στη στατιστική και στην επεξεργασία φυσικής γλώσσας, αυτό το ανανεωμένο βιβλίο σάς δείχνει τον τρόπο να βρείτε τα κρυμμένα διαμάντια μέσα στον σημερινό χαώδη κυκεώνα των δεδομένων.
• Πάρτε ένα ταχύρρυθμο μάθημα στην Python
• Μάθετε τις βασικές αρχές της γραμμικής άλγεβρας, της στατιστικής και των πιθανοτήτων – και πώς και πότε χρησιμοποιούνται στην επιστήμη των δεδομένων
• Συλλέξτε, εξερευνήστε, καθαρίστε, μετασχηματίστε και επεξεργαστείτε τα δεδομένα
• «Καταδυθείτε» στις βασικές αρχές της μηχανικής μάθησης
• Υλοποιήστε μοντέλα όπως k-πλησιέστεροι γείτονες, απλοϊκή ταξινόμηση κατά Bayes, γραμμική και λογιστική παλινδρόμηση, δέντρα αποφάσεων, νευρωνικά δίκτυα και ομαδοποίηση
• Εξερευνήστε τα συστήματα συστάσεων, την επεξεργασία φυσικής γλώσσας, την ανάλυση δικτύων, το MapReduce και τις βάσεις δεδομένων
Βιβλιοκριτικές
«Ο Joel σάς ταξιδεύει από τα στοιχειώδη ερωτήματα της επιστήμης των δεδομένων έως την πλήρη κατανόηση των βασικών αλγόριθμων που κάθε επιστήμονας δεδομένων πρέπει να γνωρίζει».
—Rohit Sivaprasad
Μηχανικός, Facebook
«Συνιστώ το βιβλίο Επιστήμη Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python στους αναλυτές και μηχανικούς που θέλουν να εξελιχθούν κατακτώντας το πεδίο της μηχανικής μάθησης. Είναι το καλύτερο εργαλείο για την κατανόηση των βασικών αρχών αυτού του επιστημονικού κλάδου».
—Tom Marthaler
Μηχανικός Διευθυντής, Amazon
«Είναι δύσκολο να μετατρέπεις τις έννοιες της επιστήμης των δεδομένων σε κώδικα. Το βιβλίο του Joel το καθιστά πολύ ευκολότερο».
—William Cox
Μηχανικός μηχανικής μάθησης, Grubhub
Ο Joel Grus είναι μηχανικός έρευνας στο Ινστιτούτο Τεχνητής Νοημοσύνης Allen. Προηγουμένως εργάστηκε ως μηχανικός λογισμικού στην Google και ως επιστήμονας δεδομένων σε διάφορες startups. Ζει στο Σιάτλ, όπου «παρακολουθεί» τακτικά μαθήματα επιστήμης δεδομένων. Γράφει περιστασιακά στο μπλογκ του joelgrus.com και τουιτάρει ολημερίς στο @joelgrus.
| Τίτλος Βιβλίου | Επιστήμη Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python, 2η έκδοση |
| Συγγραφέας/εις | Grus Joel |
| Κατηγορία | Επιστήμη Υπολογιστών |
| ISBN | 9789604911448 |
| Ημερομηνία Έκδοσης | Nov 10, 2021 |
| Λεπτομέρειες |
|
Προτείνουμε επίσης
{"id":15597644710232,"title":"Προγραμματισμός με τη C++, 3η Έκδοση","handle":"9789604911967-stroustrup-bjarne-programmatismos-me-ti-c-3i-ekdosi","description":"\u003cp\u003e\u003cstrong\u003eΜια εισαγωγή στον προγραμματισμό από τον δημιουργό της C++\u003c\/strong\u003e\u003cbr\u003e\u003cbr\u003eΤο βιβλίο \u003cstrong\u003e\u003cem\u003eΠρογραμματισμός με τη C++\u003c\/em\u003e,\u003cem\u003e 3η έκδοση\u003c\/em\u003e\u003c\/strong\u003e θα βοηθήσει όποιον σκοπεύει να εργαστεί σκληρά ώστε να μάθει τις βασικές αρχές του προγραμματισμού και να αναπτύξει τις πρακτικές δεξιότητες που απαιτούνται για την ανάπτυξη εφαρμογών στον πραγματικό κόσμο. Οι προηγούμενες εκδόσεις έχουν χρησιμοποιηθεί με επιτυχία από πολλές χιλιάδες σπουδαστές. Η παρούσα αναθεωρημένη και ενημερωμένη έκδοση:\u003cbr\u003e\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Θεωρεί ότι στόχος σας είναι να γράφετε προγράμματα τα οποία να είναι αρκετά καλά ώστε να μπορούν να χρησιμοποιηθούν και να συντηρηθούν από άλλους.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Επικεντρώνεται στις θεμελιώδεις έννοιες και τεχνικές, και όχι στις δυσνόητες τεχνικές λεπτομέρειες της γλώσσας.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Αποτελεί μια εισαγωγή στον προγραμματισμό εν γένει, συμπεριλαμβανομένου του διαδικαστικού, του αντικειμενοστρεφούς και του γενικευμένου προγραμματισμού, και όχι απλώς μια εισαγωγή σε μια γλώσσα προγραμματισμού.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Καλύπτει τόσο τις σύγχρονες υψηλού επιπέδου τεχνικές όσο και τις χαμηλότερου επιπέδου τεχνικές που απαιτούνται για την αποδοτική χρήση του υλισμικού.\u003cbr\u003e\u003cstrong\u003e• \u003c\/strong\u003eΘα σας δώσει στέρεες βάσεις για να γράφετε χρήσιμο, σωστό, ασφαλή ως προς τους τύπους, συντηρήσιμο και αποδοτικό κώδικα.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Είναι σχεδιασμένο κυρίως για όσους δεν έχουν προγραμματίσει ποτέ στο παρελθόν, όμως οι προηγούμενες εκδόσεις φάνηκαν χρήσιμες ακόμη και σε έμπειρους προγραμματιστές ως μια εισαγωγή σε πιο αποδοτικές έννοιες και τεχνικές.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Καλύπτει ένα ευρύ φάσμα βασικών εννοιών, σχεδιαστικών και προγραμματιστικών τεχνικών, χαρακτηριστικών της γλώσσας και βιβλιοθηκών.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Χρησιμοποιεί τη σύγχρονη C++ (C++20 και C++23)\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Καλύπτει τη σχεδίαση και τη χρήση τόσο των ενσωματωμένων στη γλώσσα τύπων όσο και των οριζόμενων από τον χρήστη τύπων, καθώς και την είσοδο, την έξοδο, την εκτέλεση υπολογισμών και τη δημιουργία απλών γραφικών και γραφικών διεπαφών χρήστη.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Προσφέρει εισαγωγή στους περιέκτες και τους αλγορίθμους της τυπικής βιβλιοθήκης C++.\u003cbr\u003e\u003cbr\u003e\u003cstrong\u003eΛΙΓΑ ΛΟΓΙΑ ΓΙΑ ΤΟΝ ΣΥΓΓΡΑΦΕΑ\u003c\/strong\u003e\u003cbr\u003eΟ Bjarne Stroustrup είναι ο άνθρωπος που σχεδίασε και υλοποίησε αρχικά τη C++ καθώς και ο συγγραφέας των \u003cem\u003eThe C++ Programming Language \u003c\/em\u003e\u003cspan style=\"font-size: 9.0pt; line-height: 115%; font-family: 'Arial',sans-serif; mso-fareast-font-family: Dixieland; color: #211d1e; mso-ansi-language: EL; mso-fareast-language: EN-US; mso-bidi-language: AR-SA; mso-bidi-font-style: italic;\" lang=\"EL\"\u003e(\u003c\/span\u003e\u003cspan style=\"font-size: 9.0pt; line-height: 115%; font-family: 'Arial',sans-serif; mso-fareast-font-family: Dixieland; color: #211d1e; mso-ansi-language: EL; mso-fareast-language: EN-US; mso-bidi-language: AR-SA;\" lang=\"EL\"\u003e4η έκδοση)\u003c\/span\u003e\u003cem\u003e,\u003c\/em\u003e \u003cem\u003eA Tour of C++ (3η έκδοση) \u003c\/em\u003eκαι πολλών δημοσιεύσεων για το ευρύτερο κοινό και επιστημονικών δημοσιεύσεων. Είναι καθηγητής επιστήμης υπολογιστών στο Columbia University στην πόλη της Νέας Υόρκη.\u003cem\u003e \u003c\/em\u003e\u003cbr\u003eΟ Δρ. Stroustrup είναι μέλος της Εθνικής Ακαδημίας Μηχανικών των ΗΠΑ και μέλος των IEEE, ACM και CHM. Έχει τιμηθεί με το Charles Stark Draper Prize για το 2018, το Computer Pioneer Award της IEEE Computer Society για το 2018, και το IET Faraday Medal για το 2017.\u003cbr\u003e\u003c\/p\u003e","published_at":"2026-02-06T15:02:35+02:00","created_at":"2026-02-05T12:40:26+02:00","vendor":"Stroustrup Bjarne","type":"Επιστήμη Υπολογιστών","tags":["77112469","960-491-114-7","9604911147","978-960-491-114-1","προγραμματισμος"],"price":8640,"price_min":8640,"price_max":8640,"available":true,"price_varies":false,"compare_at_price":9600,"compare_at_price_min":9600,"compare_at_price_max":9600,"compare_at_price_varies":false,"variants":[{"id":56665909625176,"title":"Default Title","option1":"Default Title","option2":null,"option3":null,"sku":"2000600171","requires_shipping":true,"taxable":false,"featured_image":null,"available":true,"name":"Προγραμματισμός με τη C++, 3η Έκδοση","public_title":null,"options":["Default Title"],"price":8640,"weight":1418,"compare_at_price":9600,"inventory_management":null,"barcode":"9789604911967","requires_selling_plan":false,"selling_plan_allocations":[],"quantity_rule":{"min":1,"max":null,"increment":1}}],"images":["\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911967-stroustrup-bjarne-programmatismos-me-ti-c-3i-ekdosi_730d463c-79d0-4bce-9247-19c3afd71568.png?v=1770373441","\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911967-stroustrup-bjarne-programmatismos-me-ti-c-3i-ekdosi-backcover.png?v=1770373441"],"featured_image":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911967-stroustrup-bjarne-programmatismos-me-ti-c-3i-ekdosi_730d463c-79d0-4bce-9247-19c3afd71568.png?v=1770373441","options":["Title"],"media":[{"alt":null,"id":70029134594392,"position":1,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911967-stroustrup-bjarne-programmatismos-me-ti-c-3i-ekdosi_730d463c-79d0-4bce-9247-19c3afd71568.png?v=1770373441"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911967-stroustrup-bjarne-programmatismos-me-ti-c-3i-ekdosi_730d463c-79d0-4bce-9247-19c3afd71568.png?v=1770373441","width":1000},{"alt":null,"id":70029134561624,"position":2,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911967-stroustrup-bjarne-programmatismos-me-ti-c-3i-ekdosi-backcover.png?v=1770373441"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911967-stroustrup-bjarne-programmatismos-me-ti-c-3i-ekdosi-backcover.png?v=1770373441","width":1000}],"requires_selling_plan":false,"selling_plan_groups":[],"content":"\u003cp\u003e\u003cstrong\u003eΜια εισαγωγή στον προγραμματισμό από τον δημιουργό της C++\u003c\/strong\u003e\u003cbr\u003e\u003cbr\u003eΤο βιβλίο \u003cstrong\u003e\u003cem\u003eΠρογραμματισμός με τη C++\u003c\/em\u003e,\u003cem\u003e 3η έκδοση\u003c\/em\u003e\u003c\/strong\u003e θα βοηθήσει όποιον σκοπεύει να εργαστεί σκληρά ώστε να μάθει τις βασικές αρχές του προγραμματισμού και να αναπτύξει τις πρακτικές δεξιότητες που απαιτούνται για την ανάπτυξη εφαρμογών στον πραγματικό κόσμο. Οι προηγούμενες εκδόσεις έχουν χρησιμοποιηθεί με επιτυχία από πολλές χιλιάδες σπουδαστές. Η παρούσα αναθεωρημένη και ενημερωμένη έκδοση:\u003cbr\u003e\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Θεωρεί ότι στόχος σας είναι να γράφετε προγράμματα τα οποία να είναι αρκετά καλά ώστε να μπορούν να χρησιμοποιηθούν και να συντηρηθούν από άλλους.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Επικεντρώνεται στις θεμελιώδεις έννοιες και τεχνικές, και όχι στις δυσνόητες τεχνικές λεπτομέρειες της γλώσσας.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Αποτελεί μια εισαγωγή στον προγραμματισμό εν γένει, συμπεριλαμβανομένου του διαδικαστικού, του αντικειμενοστρεφούς και του γενικευμένου προγραμματισμού, και όχι απλώς μια εισαγωγή σε μια γλώσσα προγραμματισμού.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Καλύπτει τόσο τις σύγχρονες υψηλού επιπέδου τεχνικές όσο και τις χαμηλότερου επιπέδου τεχνικές που απαιτούνται για την αποδοτική χρήση του υλισμικού.\u003cbr\u003e\u003cstrong\u003e• \u003c\/strong\u003eΘα σας δώσει στέρεες βάσεις για να γράφετε χρήσιμο, σωστό, ασφαλή ως προς τους τύπους, συντηρήσιμο και αποδοτικό κώδικα.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Είναι σχεδιασμένο κυρίως για όσους δεν έχουν προγραμματίσει ποτέ στο παρελθόν, όμως οι προηγούμενες εκδόσεις φάνηκαν χρήσιμες ακόμη και σε έμπειρους προγραμματιστές ως μια εισαγωγή σε πιο αποδοτικές έννοιες και τεχνικές.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Καλύπτει ένα ευρύ φάσμα βασικών εννοιών, σχεδιαστικών και προγραμματιστικών τεχνικών, χαρακτηριστικών της γλώσσας και βιβλιοθηκών.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Χρησιμοποιεί τη σύγχρονη C++ (C++20 και C++23)\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Καλύπτει τη σχεδίαση και τη χρήση τόσο των ενσωματωμένων στη γλώσσα τύπων όσο και των οριζόμενων από τον χρήστη τύπων, καθώς και την είσοδο, την έξοδο, την εκτέλεση υπολογισμών και τη δημιουργία απλών γραφικών και γραφικών διεπαφών χρήστη.\u003cbr\u003e\u003cstrong\u003e•\u003c\/strong\u003e Προσφέρει εισαγωγή στους περιέκτες και τους αλγορίθμους της τυπικής βιβλιοθήκης C++.\u003cbr\u003e\u003cbr\u003e\u003cstrong\u003eΛΙΓΑ ΛΟΓΙΑ ΓΙΑ ΤΟΝ ΣΥΓΓΡΑΦΕΑ\u003c\/strong\u003e\u003cbr\u003eΟ Bjarne Stroustrup είναι ο άνθρωπος που σχεδίασε και υλοποίησε αρχικά τη C++ καθώς και ο συγγραφέας των \u003cem\u003eThe C++ Programming Language \u003c\/em\u003e\u003cspan style=\"font-size: 9.0pt; line-height: 115%; font-family: 'Arial',sans-serif; mso-fareast-font-family: Dixieland; color: #211d1e; mso-ansi-language: EL; mso-fareast-language: EN-US; mso-bidi-language: AR-SA; mso-bidi-font-style: italic;\" lang=\"EL\"\u003e(\u003c\/span\u003e\u003cspan style=\"font-size: 9.0pt; line-height: 115%; font-family: 'Arial',sans-serif; mso-fareast-font-family: Dixieland; color: #211d1e; mso-ansi-language: EL; mso-fareast-language: EN-US; mso-bidi-language: AR-SA;\" lang=\"EL\"\u003e4η έκδοση)\u003c\/span\u003e\u003cem\u003e,\u003c\/em\u003e \u003cem\u003eA Tour of C++ (3η έκδοση) \u003c\/em\u003eκαι πολλών δημοσιεύσεων για το ευρύτερο κοινό και επιστημονικών δημοσιεύσεων. Είναι καθηγητής επιστήμης υπολογιστών στο Columbia University στην πόλη της Νέας Υόρκη.\u003cem\u003e \u003c\/em\u003e\u003cbr\u003eΟ Δρ. Stroustrup είναι μέλος της Εθνικής Ακαδημίας Μηχανικών των ΗΠΑ και μέλος των IEEE, ACM και CHM. Έχει τιμηθεί με το Charles Stark Draper Prize για το 2018, το Computer Pioneer Award της IEEE Computer Society για το 2018, και το IET Faraday Medal για το 2017.\u003cbr\u003e\u003c\/p\u003e"}
Προτείνουμε επίσης:
Προγραμματισμός με τη C++, 3η Έκδοση
€96.00
€86.40
Μια εισαγωγή στον προγραμματισμό από τον δημιουργό της C++Το βιβλίο Προγραμματισμός με τη C++, 3η έκδοση θα βοηθήσει όποιον σκοπεύει...
{"id":15477363343704,"title":"Μηχανική μάθηση στην πράξη με Scikit-Learn, Keras και TensorFlow","handle":"9789604911974-geron-aurelien-mhxanikh-mathhsh-stin-praxh-me-scikit-learn-keras-kai-tensorflow","description":"\u003cem\u003e\u003cstrong\u003eΈννοιες, εργαλεία και τεχνικές για να κατασκευάσετε ευφυή συστήματα\u003c\/strong\u003e\u003c\/em\u003e\u003cbr\u003eΜέσα από μια σειρά πρόσφατων καινοτομιών, η βαθιά μάθηση έχει δώσει ώθηση σε ολόκληρο τον τομέα της μηχανικής μάθησης. Τώρα, ακόμα και οι προγραμματιστές που δεν γνωρίζουν σχεδόν τίποτα για αυτές τις τεχνολογίες μπορούν να χρησιμοποιήσουν τα βελτιστοποιημένα εργαλεία για να υλοποιήσουν προγράμματα που μαθαίνουν να λύνουν πολύπλοκα προβλήματα. Στο ευρύτατο αυτό εγχειρίδιο, ο Aurélien Géron θα βρείτε συγκεκριμένα παραδείγματα, διαύστερη θεωρία και επεξηγήσεις για δημοφιλή πακέτα Python (Scikit-Learn, Keras και TensorFlow) που θα σας βοηθήσουν να αποκτήσετε μια διαισθητική κατανόηση των εννοιών και των εργαλείων για την κατασκευή ευφυών συστημάτων.\u003cbr data-end=\"886\" data-start=\"883\"\u003eΣε αυτή την ενημερωμένη τρίτη έκδοση, ο Aurélien Géron παρουσιάζει βασικές και προχωρημένες τεχνικές, ξεκινώντας από την απλή γραμμική παλινδρόμηση και προχωρώντας στα βαθιά νευρωνικά δίκτυα. Παραδειγματικός κώδικας και ασκήσεις θα σας βοηθήσουν να εφαρμόσετε όσα έχετε μάθει. Το μόνο που χρειάζεστε είναι να ξεκινήσετε άνετα έναν προγραμματισμό.\u003cbr\u003e\n\u003cul data-end=\"2071\" data-start=\"1234\"\u003e\n\u003cli data-end=\"1365\" data-start=\"1234\"\u003e\nΧρησιμοποιήστε τη Scikit-Learn για να παρακολουθήσετε ολόκληρο τον κύκλο εργασιών μηχανικής μάθησης από την αρχή μέχρι το τέλος\u003cbr\u003e\n\n\u003c\/li\u003e\n\u003cli data-end=\"1503\" data-start=\"1366\"\u003e\nΠειραματιστείτε με μοντέλα όπως δέντρα, τυχαία δάση και υποστηρικτικά διάνυσματα, δείκτες αποφάσεων, τυχαία δάση και μέθοδους συνόλων\u003cbr\u003e\n\n\u003c\/li\u003e\n\u003cli data-end=\"1629\" data-start=\"1504\"\u003e\nΑξιοποιήστε τεχνικές μη επιβλεπόμενης μάθησης, συμπεριλαμβανομένης της ανάλυσης σε κύριες συνιστώσες και της ομαδοποίησης\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli data-end=\"1871\" data-start=\"1630\"\u003e\nΔημιουργήστε και εκπαιδεύστε νευρωνικά δίκτυα, συμπεριλαμβανομένων των συνελικτικών νευρωνικών δικτύων, των κυκλικών νευρωνικών δικτύων, των μοντέλων ως μετασχηματιστών, και εξειδικευμένους τύπους μοντέλων βαθιάς μάθησης όπως VAE και GAN\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli data-end=\"2071\" data-start=\"1872\"\u003e\nΧρησιμοποιήστε το TensorFlow και το Keras για να εκτελέσετε και να εκπαιδεύσετε νευρωνικά δίκτυα με παραγωγική άσκηση, επεξεργασία φράσεων, επιτήρηση μοντέλων, διανομή και βαθιά ενισχυτική μάθηση\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cbr\u003e\u003cstrong data-end=\"2238\" data-start=\"2078\"\u003e«Ένα εξαιρετικό βοήθημα για τη μελέτη της μηχανικής μάθησης. Θα βρείτε περισσότερα όσο καλές διαδικτυακές εξηγήσεις, καθώς και πληθώρα πρακτικών συμβουλών.»\u003c\/strong\u003e\u003cbr data-end=\"2241\" data-start=\"2238\"\u003e\u003cstrong\u003e\u003cem data-end=\"2259\" data-start=\"2241\"\u003eFrançois Chollet\u003c\/em\u003e\u003c\/strong\u003e\u003cbr data-end=\"2262\" data-start=\"2259\"\u003eΔημιουργός της Keras, συγγραφέας του \u003cem data-end=\"2326\" data-start=\"2299\"\u003eDeep Learning with Python\u003c\/em\u003e\u003cbr\u003e\u003cbr\u003e\n*\u003cem data-end=\"2538\" data-start=\"2329\"\u003e«Αυτό το βιβλίο είναι μια εξαιρετική εισαγωγή στη θεωρία και την πρακτική της επίλυσης προβλημάτων με νευρωνικά δίκτυα. Το συνιστώ σε όσους και όσες ενδιαφέρονται να μάθουν για την πρακτική μηχανική μάθηση.»\u003c\/em\u003e\u003cbr data-end=\"2541\" data-start=\"2538\"\u003e\u003cstrong\u003e\u003cem data-end=\"2554\" data-start=\"2541\"\u003ePete Warden\u003c\/em\u003e\u003c\/strong\u003e\u003cbr data-end=\"2557\" data-start=\"2554\"\u003eΕπικεφαλής του προγράμματος εφαρμογής του TensorFlow σε φορητές πλατφόρμες\u003cbr\u003e\n\u003chr data-end=\"2636\" data-start=\"2633\"\u003e\nΟ Aurélien Géron είναι σύμβουλος μηχανικής μάθησης. Πρώην υπάλληλος της Google, ηγήθηκε της ομάδας μηχανικής μάθησης βίντεο του YouTube από το 2013 έως το 2016. Ήταν επίσης ιδρυτής και CTO της Wifirst από το 2002 έως το 2012, κορυφαίας εταιρείας υπερυψηλών ταχυτήτων για επαγγελματικά περιβάλλοντα στη Γαλλία, και ιδρυτής και CTO της Polyconseil το 2001, εταιρείας συμβουλών τηλεπικοινωνιών.","published_at":"2025-12-02T16:44:53+02:00","created_at":"2025-11-28T12:17:33+02:00","vendor":"Aurélien Géron","type":"Επιστήμη Υπολογιστών","tags":[],"price":7200,"price_min":7200,"price_max":7200,"available":true,"price_varies":false,"compare_at_price":8000,"compare_at_price_min":8000,"compare_at_price_max":8000,"compare_at_price_varies":false,"variants":[{"id":56296416608600,"title":"Default Title","option1":"Default Title","option2":null,"option3":null,"sku":"2000600172","requires_shipping":true,"taxable":false,"featured_image":null,"available":true,"name":"Μηχανική μάθηση στην πράξη με Scikit-Learn, Keras και TensorFlow","public_title":null,"options":["Default Title"],"price":7200,"weight":1500,"compare_at_price":8000,"inventory_management":null,"barcode":"9789604911974","requires_selling_plan":false,"selling_plan_allocations":[],"quantity_rule":{"min":1,"max":null,"increment":1}}],"images":["\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911974-geron-aurelien-mhxanikh-mathhsh-stin-praxh-me-scikit-learn-keras-kai-tensorflow.png?v=1764324779","\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911974-geron-aurelien-mhxanikh-mathhsh-stin-praxh-me-scikit-learn-keras-kai-tensorflow-backcover.png?v=1764324779"],"featured_image":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911974-geron-aurelien-mhxanikh-mathhsh-stin-praxh-me-scikit-learn-keras-kai-tensorflow.png?v=1764324779","options":["Title"],"media":[{"alt":null,"id":69229483065688,"position":1,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911974-geron-aurelien-mhxanikh-mathhsh-stin-praxh-me-scikit-learn-keras-kai-tensorflow.png?v=1764324779"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911974-geron-aurelien-mhxanikh-mathhsh-stin-praxh-me-scikit-learn-keras-kai-tensorflow.png?v=1764324779","width":1000},{"alt":null,"id":69229483032920,"position":2,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911974-geron-aurelien-mhxanikh-mathhsh-stin-praxh-me-scikit-learn-keras-kai-tensorflow-backcover.png?v=1764324779"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911974-geron-aurelien-mhxanikh-mathhsh-stin-praxh-me-scikit-learn-keras-kai-tensorflow-backcover.png?v=1764324779","width":1000}],"requires_selling_plan":false,"selling_plan_groups":[],"content":"\u003cem\u003e\u003cstrong\u003eΈννοιες, εργαλεία και τεχνικές για να κατασκευάσετε ευφυή συστήματα\u003c\/strong\u003e\u003c\/em\u003e\u003cbr\u003eΜέσα από μια σειρά πρόσφατων καινοτομιών, η βαθιά μάθηση έχει δώσει ώθηση σε ολόκληρο τον τομέα της μηχανικής μάθησης. Τώρα, ακόμα και οι προγραμματιστές που δεν γνωρίζουν σχεδόν τίποτα για αυτές τις τεχνολογίες μπορούν να χρησιμοποιήσουν τα βελτιστοποιημένα εργαλεία για να υλοποιήσουν προγράμματα που μαθαίνουν να λύνουν πολύπλοκα προβλήματα. Στο ευρύτατο αυτό εγχειρίδιο, ο Aurélien Géron θα βρείτε συγκεκριμένα παραδείγματα, διαύστερη θεωρία και επεξηγήσεις για δημοφιλή πακέτα Python (Scikit-Learn, Keras και TensorFlow) που θα σας βοηθήσουν να αποκτήσετε μια διαισθητική κατανόηση των εννοιών και των εργαλείων για την κατασκευή ευφυών συστημάτων.\u003cbr data-end=\"886\" data-start=\"883\"\u003eΣε αυτή την ενημερωμένη τρίτη έκδοση, ο Aurélien Géron παρουσιάζει βασικές και προχωρημένες τεχνικές, ξεκινώντας από την απλή γραμμική παλινδρόμηση και προχωρώντας στα βαθιά νευρωνικά δίκτυα. Παραδειγματικός κώδικας και ασκήσεις θα σας βοηθήσουν να εφαρμόσετε όσα έχετε μάθει. Το μόνο που χρειάζεστε είναι να ξεκινήσετε άνετα έναν προγραμματισμό.\u003cbr\u003e\n\u003cul data-end=\"2071\" data-start=\"1234\"\u003e\n\u003cli data-end=\"1365\" data-start=\"1234\"\u003e\nΧρησιμοποιήστε τη Scikit-Learn για να παρακολουθήσετε ολόκληρο τον κύκλο εργασιών μηχανικής μάθησης από την αρχή μέχρι το τέλος\u003cbr\u003e\n\n\u003c\/li\u003e\n\u003cli data-end=\"1503\" data-start=\"1366\"\u003e\nΠειραματιστείτε με μοντέλα όπως δέντρα, τυχαία δάση και υποστηρικτικά διάνυσματα, δείκτες αποφάσεων, τυχαία δάση και μέθοδους συνόλων\u003cbr\u003e\n\n\u003c\/li\u003e\n\u003cli data-end=\"1629\" data-start=\"1504\"\u003e\nΑξιοποιήστε τεχνικές μη επιβλεπόμενης μάθησης, συμπεριλαμβανομένης της ανάλυσης σε κύριες συνιστώσες και της ομαδοποίησης\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli data-end=\"1871\" data-start=\"1630\"\u003e\nΔημιουργήστε και εκπαιδεύστε νευρωνικά δίκτυα, συμπεριλαμβανομένων των συνελικτικών νευρωνικών δικτύων, των κυκλικών νευρωνικών δικτύων, των μοντέλων ως μετασχηματιστών, και εξειδικευμένους τύπους μοντέλων βαθιάς μάθησης όπως VAE και GAN\u003cbr\u003e\n\u003c\/li\u003e\n\u003cli data-end=\"2071\" data-start=\"1872\"\u003e\nΧρησιμοποιήστε το TensorFlow και το Keras για να εκτελέσετε και να εκπαιδεύσετε νευρωνικά δίκτυα με παραγωγική άσκηση, επεξεργασία φράσεων, επιτήρηση μοντέλων, διανομή και βαθιά ενισχυτική μάθηση\u003cbr\u003e\n\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cbr\u003e\u003cstrong data-end=\"2238\" data-start=\"2078\"\u003e«Ένα εξαιρετικό βοήθημα για τη μελέτη της μηχανικής μάθησης. Θα βρείτε περισσότερα όσο καλές διαδικτυακές εξηγήσεις, καθώς και πληθώρα πρακτικών συμβουλών.»\u003c\/strong\u003e\u003cbr data-end=\"2241\" data-start=\"2238\"\u003e\u003cstrong\u003e\u003cem data-end=\"2259\" data-start=\"2241\"\u003eFrançois Chollet\u003c\/em\u003e\u003c\/strong\u003e\u003cbr data-end=\"2262\" data-start=\"2259\"\u003eΔημιουργός της Keras, συγγραφέας του \u003cem data-end=\"2326\" data-start=\"2299\"\u003eDeep Learning with Python\u003c\/em\u003e\u003cbr\u003e\u003cbr\u003e\n*\u003cem data-end=\"2538\" data-start=\"2329\"\u003e«Αυτό το βιβλίο είναι μια εξαιρετική εισαγωγή στη θεωρία και την πρακτική της επίλυσης προβλημάτων με νευρωνικά δίκτυα. Το συνιστώ σε όσους και όσες ενδιαφέρονται να μάθουν για την πρακτική μηχανική μάθηση.»\u003c\/em\u003e\u003cbr data-end=\"2541\" data-start=\"2538\"\u003e\u003cstrong\u003e\u003cem data-end=\"2554\" data-start=\"2541\"\u003ePete Warden\u003c\/em\u003e\u003c\/strong\u003e\u003cbr data-end=\"2557\" data-start=\"2554\"\u003eΕπικεφαλής του προγράμματος εφαρμογής του TensorFlow σε φορητές πλατφόρμες\u003cbr\u003e\n\u003chr data-end=\"2636\" data-start=\"2633\"\u003e\nΟ Aurélien Géron είναι σύμβουλος μηχανικής μάθησης. Πρώην υπάλληλος της Google, ηγήθηκε της ομάδας μηχανικής μάθησης βίντεο του YouTube από το 2013 έως το 2016. Ήταν επίσης ιδρυτής και CTO της Wifirst από το 2002 έως το 2012, κορυφαίας εταιρείας υπερυψηλών ταχυτήτων για επαγγελματικά περιβάλλοντα στη Γαλλία, και ιδρυτής και CTO της Polyconseil το 2001, εταιρείας συμβουλών τηλεπικοινωνιών."}
Προτείνουμε επίσης:
Μηχανική μάθηση στην πράξη με Scikit-Learn, Keras και TensorFlow
€80.00
€72.00
Έννοιες, εργαλεία και τεχνικές για να κατασκευάσετε ευφυή συστήματαΜέσα από μια σειρά πρόσφατων καινοτομιών, η βαθιά μάθηση έχει δώσει ώθηση...
{"id":14738614354264,"title":"Σχεδίαση Συστημάτων Μηχανικής Μάθησης","handle":"9789604911899-chip-huyen-schediasi-systimaton-michanikis-mathisis","description":"\u003cp\u003e\u003cstrong\u003eΜια Επαναληπτική Προσέγγιση για την Ανάπτυξη Έτοιμων για Παραγωγική Λειτουργία Εφαρμογών\u003c\/strong\u003e\u003cbr\u003e\u003cbr\u003eΤα συστήματα μηχανικής μάθησης είναι και πολύπλοκα και μοναδικά. Είναι πολύπλοκα διότι αποτελούνται από πολλές διαφορετικές συνιστώσες και στην ανάπτυξή τους εμπλέκονται πολλά διαφορετικά μέρη. Είναι μοναδικά διότι εξαρτώνται από τα δεδομένα, και τα δεδομένα διαφέρουν σημαντικά από περίπτωση χρήσης σε περίπτωση χρήσης. Στο παρόν βιβλίο θα μάθετε μια ολιστική προσέγγιση για να σχεδιάζετε μηχανομαθησιακά συστήματα που να είναι αξιόπιστα, κλιμακώσιμα, συντηρήσιμα και να μπορούν να προσαρμόζονται σε μεταβαλλόμενα περιβάλλοντα και επιχειρηματικές απαιτήσεις.\u003cbr\u003eΗ συγγραφέας Chip Huyen, συνιδρύτρια της Claypot AI, εξετάζει κάθε σχεδιαστική απόφαση –όπως πώς πρέπει να γίνεται η επεξεργασία και η δημιουργία των δεδομένων εκπαίδευσης, ποια χαρακτηριστικά πρέπει να χρησιμοποιούνται, πόσο συχνά πρέπει να επανεκπαιδεύονται τα μοντέλα και ποιοι δείκτες πρέπει να παρακολουθούνται– με γνώμονα το πώς μπορεί να βοηθήσει το σύστημά σας ως σύνολο να πετύχει τους στόχους του. Το επαναληπτικό μεθοδολογικό πλαίσιο που παρουσιάζεται στο παρόν βιβλίο στηρίζεται σε πραγματικές μελέτες περίπτωσης, οι οποίες συνοδεύονται από πληθώρα αναφορών.\u003cbr\u003e\u003cbr\u003eΤο βιβλίο θα σας βοηθήσει να αντιμετωπίσετε με επιτυχία ανάγκες όπως:\u003cbr\u003e• Την κατασκευή δεδομένων και την επιλογή των κατάλληλων μετρικών για την επίλυση ενός επιχειρηματικού προβλήματος\u003cbr\u003e• Την αυτοματοποίηση της διαδικασίας συνεχούς ανάπτυξης, αξιολόγησης, παραγωγικής λειτουργίας και ενημέρωσης των μοντέλων\u003cbr\u003e• Την ανάπτυξη ενός συστήματος παρακολούθησης με στόχο τη γρήγορη ανίχνευση και αντιμετώπιση προβλημάτων που ενδέχεται να αντιμετωπίσουν τα μοντέλα σας κατά την παραγωγή τους\u003cbr\u003e• Τη σχεδίαση μιας μηχανομαθησιακής πλατφόρμας που να μπορεί να εξυπηρετεί πολλές διαφορετικές περιπτώσεις χρήσης\u003cbr\u003e• Την ανάπτυξη υπεύθυνων μηχανομαθησιακών συστημάτων\u003cbr\u003e\u003cbr\u003e\u003ci\u003e«Πρόκειται απλώς για το καλύτερο βιβλίο που μπορείτε να διαβάσετε για το πώς να κατασκευάσετε, να θέσετε σε παραγωγική λειτουργία και να κλιμακώσετε μηχανομαθησιακά μοντέλα σε μια εταιρεία ώστε να έχουν τον μεγαλύτερο δυνατό αντίκτυπο».\u003c\/i\u003e\u003cbr\u003e\u003cb\u003e- Josh Wills\u003c\/b\u003e\u003cbr\u003eΜηχανικός λογισμικού στη WeaveGrid και πρώην διευθυντής μηχανικής δεδομένων στη Slack\u003cbr\u003e\u003cbr\u003e\u003ci\u003e«Σε ένα ακμάζον αλλά χαοτικό οικοσύστημα, η συγκεκριμένη εμπεριστατωμένη από άκρο σε άκρο θεώρηση της μηχανικής μάθησης λειτουργεί και ως χάρτης και ως πυξίδα: είναι ένα βιβλίο που θα πρέπει να διαβάσουν οι επαγγελματίες εντός και εκτός του χώρου των μεγάλων εταιρειών τεχνολογίας».\u003c\/i\u003e\u003cbr\u003e\u003cb\u003e- Jacopo Tagliabue\u003c\/b\u003e\u003cbr\u003eΔιευθυντής τεχνητής νοημοσύνης στην Coveo\u003cbr\u003e\u003cbr\u003eΗ Chip Huyen είναι συνιδρύτρια της Claypot AI, μιας πλατφόρμας μηχανικής μάθησης πραγματικού χρόνου. Μέσω της εργασίας της στις NVIDIA, Netflix και Snorkel AI έχει βοηθήσει μερικές από τις μεγαλύτερες εταιρείες παγκοσμίως να αναπτύξουν και να θέσουν σε παραγωγική λειτουργία μηχανομαθησιακά συστήματα. Η Chip βάσισε το παρόν βιβλίο στις διαλέξεις της για το CS 329S: Σχεδίαση συστημάτων μηχανικής μάθησης, ένα μάθημα που διδάσκει στο Πανεπιστήμιο Stanford.\u003c\/p\u003e","published_at":"2024-11-26T12:19:19+02:00","created_at":"2024-11-26T12:19:19+02:00","vendor":"Chip Huyen","type":"Επιστήμη Υπολογιστών","tags":[],"price":2970,"price_min":2970,"price_max":2970,"available":true,"price_varies":false,"compare_at_price":3300,"compare_at_price_min":3300,"compare_at_price_max":3300,"compare_at_price_varies":false,"variants":[{"id":53674165010776,"title":"Default Title","option1":"Default Title","option2":null,"option3":null,"sku":"2000600160","requires_shipping":true,"taxable":false,"featured_image":null,"available":true,"name":"Σχεδίαση Συστημάτων Μηχανικής Μάθησης","public_title":null,"options":["Default Title"],"price":2970,"weight":720,"compare_at_price":3300,"inventory_management":null,"barcode":"9789604911899","requires_selling_plan":false,"selling_plan_allocations":[],"quantity_rule":{"min":1,"max":null,"increment":1}}],"images":["\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911899-chip-huyen-schediasi-systimaton-michanikis-mathisis.png?v=1732616265","\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911899-chip-huyen-schediasi-systimaton-michanikis-mathisis-back.png?v=1732616277"],"featured_image":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911899-chip-huyen-schediasi-systimaton-michanikis-mathisis.png?v=1732616265","options":["Title"],"media":[{"alt":null,"id":63151641166168,"position":1,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911899-chip-huyen-schediasi-systimaton-michanikis-mathisis.png?v=1732616265"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911899-chip-huyen-schediasi-systimaton-michanikis-mathisis.png?v=1732616265","width":1000},{"alt":null,"id":63151642247512,"position":2,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911899-chip-huyen-schediasi-systimaton-michanikis-mathisis-back.png?v=1732616277"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911899-chip-huyen-schediasi-systimaton-michanikis-mathisis-back.png?v=1732616277","width":1000}],"requires_selling_plan":false,"selling_plan_groups":[],"content":"\u003cp\u003e\u003cstrong\u003eΜια Επαναληπτική Προσέγγιση για την Ανάπτυξη Έτοιμων για Παραγωγική Λειτουργία Εφαρμογών\u003c\/strong\u003e\u003cbr\u003e\u003cbr\u003eΤα συστήματα μηχανικής μάθησης είναι και πολύπλοκα και μοναδικά. Είναι πολύπλοκα διότι αποτελούνται από πολλές διαφορετικές συνιστώσες και στην ανάπτυξή τους εμπλέκονται πολλά διαφορετικά μέρη. Είναι μοναδικά διότι εξαρτώνται από τα δεδομένα, και τα δεδομένα διαφέρουν σημαντικά από περίπτωση χρήσης σε περίπτωση χρήσης. Στο παρόν βιβλίο θα μάθετε μια ολιστική προσέγγιση για να σχεδιάζετε μηχανομαθησιακά συστήματα που να είναι αξιόπιστα, κλιμακώσιμα, συντηρήσιμα και να μπορούν να προσαρμόζονται σε μεταβαλλόμενα περιβάλλοντα και επιχειρηματικές απαιτήσεις.\u003cbr\u003eΗ συγγραφέας Chip Huyen, συνιδρύτρια της Claypot AI, εξετάζει κάθε σχεδιαστική απόφαση –όπως πώς πρέπει να γίνεται η επεξεργασία και η δημιουργία των δεδομένων εκπαίδευσης, ποια χαρακτηριστικά πρέπει να χρησιμοποιούνται, πόσο συχνά πρέπει να επανεκπαιδεύονται τα μοντέλα και ποιοι δείκτες πρέπει να παρακολουθούνται– με γνώμονα το πώς μπορεί να βοηθήσει το σύστημά σας ως σύνολο να πετύχει τους στόχους του. Το επαναληπτικό μεθοδολογικό πλαίσιο που παρουσιάζεται στο παρόν βιβλίο στηρίζεται σε πραγματικές μελέτες περίπτωσης, οι οποίες συνοδεύονται από πληθώρα αναφορών.\u003cbr\u003e\u003cbr\u003eΤο βιβλίο θα σας βοηθήσει να αντιμετωπίσετε με επιτυχία ανάγκες όπως:\u003cbr\u003e• Την κατασκευή δεδομένων και την επιλογή των κατάλληλων μετρικών για την επίλυση ενός επιχειρηματικού προβλήματος\u003cbr\u003e• Την αυτοματοποίηση της διαδικασίας συνεχούς ανάπτυξης, αξιολόγησης, παραγωγικής λειτουργίας και ενημέρωσης των μοντέλων\u003cbr\u003e• Την ανάπτυξη ενός συστήματος παρακολούθησης με στόχο τη γρήγορη ανίχνευση και αντιμετώπιση προβλημάτων που ενδέχεται να αντιμετωπίσουν τα μοντέλα σας κατά την παραγωγή τους\u003cbr\u003e• Τη σχεδίαση μιας μηχανομαθησιακής πλατφόρμας που να μπορεί να εξυπηρετεί πολλές διαφορετικές περιπτώσεις χρήσης\u003cbr\u003e• Την ανάπτυξη υπεύθυνων μηχανομαθησιακών συστημάτων\u003cbr\u003e\u003cbr\u003e\u003ci\u003e«Πρόκειται απλώς για το καλύτερο βιβλίο που μπορείτε να διαβάσετε για το πώς να κατασκευάσετε, να θέσετε σε παραγωγική λειτουργία και να κλιμακώσετε μηχανομαθησιακά μοντέλα σε μια εταιρεία ώστε να έχουν τον μεγαλύτερο δυνατό αντίκτυπο».\u003c\/i\u003e\u003cbr\u003e\u003cb\u003e- Josh Wills\u003c\/b\u003e\u003cbr\u003eΜηχανικός λογισμικού στη WeaveGrid και πρώην διευθυντής μηχανικής δεδομένων στη Slack\u003cbr\u003e\u003cbr\u003e\u003ci\u003e«Σε ένα ακμάζον αλλά χαοτικό οικοσύστημα, η συγκεκριμένη εμπεριστατωμένη από άκρο σε άκρο θεώρηση της μηχανικής μάθησης λειτουργεί και ως χάρτης και ως πυξίδα: είναι ένα βιβλίο που θα πρέπει να διαβάσουν οι επαγγελματίες εντός και εκτός του χώρου των μεγάλων εταιρειών τεχνολογίας».\u003c\/i\u003e\u003cbr\u003e\u003cb\u003e- Jacopo Tagliabue\u003c\/b\u003e\u003cbr\u003eΔιευθυντής τεχνητής νοημοσύνης στην Coveo\u003cbr\u003e\u003cbr\u003eΗ Chip Huyen είναι συνιδρύτρια της Claypot AI, μιας πλατφόρμας μηχανικής μάθησης πραγματικού χρόνου. Μέσω της εργασίας της στις NVIDIA, Netflix και Snorkel AI έχει βοηθήσει μερικές από τις μεγαλύτερες εταιρείες παγκοσμίως να αναπτύξουν και να θέσουν σε παραγωγική λειτουργία μηχανομαθησιακά συστήματα. Η Chip βάσισε το παρόν βιβλίο στις διαλέξεις της για το CS 329S: Σχεδίαση συστημάτων μηχανικής μάθησης, ένα μάθημα που διδάσκει στο Πανεπιστήμιο Stanford.\u003c\/p\u003e"}
Προτείνουμε επίσης:
Σχεδίαση Συστημάτων Μηχανικής Μάθησης
€33.00
€29.70
Μια Επαναληπτική Προσέγγιση για την Ανάπτυξη Έτοιμων για Παραγωγική Λειτουργία ΕφαρμογώνΤα συστήματα μηχανικής μάθησης είναι και πολύπλοκα και μοναδικά. Είναι...
{"id":10091487101272,"title":"Ανάλυση Δεδομένων με Python: Διαχείριση Δεδομένων με pandas, NumPy και Jupyter","handle":"9789604911882-wes-mckinney-diacheirisi-dedomenon-me-pandas-numpy-kai-jupyter","description":"\u003cp\u003eΑποκτήστε το ολοκληρωμένο εγχειρίδιο για το χειρισμό, την επεξεργασία, τον καθαρισμό και τον τεμαχισμό συνόλων δεδομένων στην Python. Ενημερωμένη για Python 3.10 και pandas 1.4, η τρίτη έκδοση αυτού του πρακτικού οδηγού είναι γεμάτη με πρακτικές μελέτες περιπτώσεων που σας δείχνουν πώς να επιλύσετε αποτελεσματικά ένα ευρύ σύνολο προβλημάτων ανάλυσης δεδομένων. Θα μάθετε τις πιο πρόσφατες εκδόσεις των pandas, NumPy και Jupyter στην πράξη.\u003cbr\u003eΓραμμένο από τον Wes McKinney, τον δημιουργό του έργου Python pandas, αυτό το βιβλίο είναι μια πρακτική, σύγχρονη εισαγωγή στα εργαλεία επιστήμης δεδομένων στην Python. Είναι ιδανικό για αναλυτές που είναι νέοι στην Python και για προγραμματιστές Python που είναι νέοι στην επιστήμη δεδομένων και στους επιστημονικούς υπολογισμούς. Αρχεία δεδομένων και σχετικό υλικό είναι διαθέσιμα στο GitHub.\u003cbr\u003e• Χρησιμοποιήστε το σημειωματάριο Jupyter και το κέλυφος IPython για διερευνητικούς υπολογισμούς\u003cbr\u003e• Μάθετε βασικές και προηγμένες δυνατότητες στη NumPy\u003cbr\u003e• Ξεκινήστε με εργαλεία ανάλυσης δεδομένων στη βιβλιοθήκη pandas\u003cbr\u003e• Χρησιμοποιήστε ευέλικτα εργαλεία για τη φόρτωση, τον καθαρισμό, τον μετασχηματισμό, τη συγχώνευση και την αναμόρφωση δεδομένων\u003cbr\u003e• Δημιουργήστε οπτικοποιημένη πληροφορία με το matplotlib\u003cbr\u003e• Εφαρμόστε τη δυνατότητα pandas groupBy για να τεμαχίσετε, να ομαδοποιήσετε και να συνοψίσετε σύνολα δεδομένων\u003cbr\u003e• Αναλύστε και χειριστείτε κανονικά και ακανόνιστα δεδομένα χρονοσειρών\u003cbr\u003e• Μάθετε πώς να επιλύετε προβλήματα ανάλυσης δεδομένων πραγματικού κόσμου με ενδελεχή, λεπτομερή παραδείγματα\u003cbr\u003e\u003cbr\u003e\u003cb\u003e\u003ci\u003e«Με αυτή τη νέα έκδοση, ο Wes ενημέρωσε το βιβλίο του για να διασφαλίσει ότι παραμένει ο βασικός πόρος για όλα όσα σχετίζονται με την ανάλυση δεδομένων με Python και pandas. Αυτό το βιβλίο συστήνεται από μόνο του».\u003c\/i\u003e\u003c\/b\u003e\u003cbr\u003e-Paul Barry\u003cbr\u003eΛέκτορας και συγγραφέας του \u003ci\u003eO’Reilly’s Head First Python\u003c\/i\u003e\u003cbr\u003e\u003cbr\u003eΟ Wes McKinney, συνιδρυτής και επικεφαλής τεχνολογίας της Voltron Data, είναι ενεργό μέλος της κοινότητας δεδομένων Python και υποστηρικτής της χρήσης Python σε εφαρμογές ανάλυσης δεδομένων, οικονομικών και στατιστικών υπολογιστών. Απόφοιτος του MIT, είναι επίσης μέλος των επιτροπών διαχείρισης έργων για τα έργα Apache Arrow και Apache Parquet του Apache Software Foundation.\u003c\/p\u003e","published_at":"2024-10-25T13:48:00+03:00","created_at":"2024-10-25T13:33:11+03:00","vendor":"Wes McKinney","type":"Επιστήμη Υπολογιστών","tags":[],"price":3420,"price_min":3420,"price_max":3420,"available":true,"price_varies":false,"compare_at_price":3800,"compare_at_price_min":3800,"compare_at_price_max":3800,"compare_at_price_varies":false,"variants":[{"id":50196066599256,"title":"Default Title","option1":"Default Title","option2":null,"option3":null,"sku":"2000600156","requires_shipping":true,"taxable":false,"featured_image":null,"available":true,"name":"Ανάλυση Δεδομένων με Python: Διαχείριση Δεδομένων με pandas, NumPy και Jupyter","public_title":null,"options":["Default Title"],"price":3420,"weight":1030,"compare_at_price":3800,"inventory_management":null,"barcode":"9789604911882","requires_selling_plan":false,"selling_plan_allocations":[],"quantity_rule":{"min":1,"max":null,"increment":1}}],"images":["\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911882-wes-mckinney-diacheirisi-dedomenon-me-pandas-numpy-kai-jupyter.png?v=1729851982","\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911882-wes-mckinney-diacheirisi-dedomenon-me-pandas-numpy-kai-jupyter-backcover.png?v=1729852106"],"featured_image":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911882-wes-mckinney-diacheirisi-dedomenon-me-pandas-numpy-kai-jupyter.png?v=1729851982","options":["Title"],"media":[{"alt":null,"id":50526839832920,"position":1,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911882-wes-mckinney-diacheirisi-dedomenon-me-pandas-numpy-kai-jupyter.png?v=1729851982"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911882-wes-mckinney-diacheirisi-dedomenon-me-pandas-numpy-kai-jupyter.png?v=1729851982","width":1000},{"alt":null,"id":50526853955928,"position":2,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911882-wes-mckinney-diacheirisi-dedomenon-me-pandas-numpy-kai-jupyter-backcover.png?v=1729852106"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/9789604911882-wes-mckinney-diacheirisi-dedomenon-me-pandas-numpy-kai-jupyter-backcover.png?v=1729852106","width":1000}],"requires_selling_plan":false,"selling_plan_groups":[],"content":"\u003cp\u003eΑποκτήστε το ολοκληρωμένο εγχειρίδιο για το χειρισμό, την επεξεργασία, τον καθαρισμό και τον τεμαχισμό συνόλων δεδομένων στην Python. Ενημερωμένη για Python 3.10 και pandas 1.4, η τρίτη έκδοση αυτού του πρακτικού οδηγού είναι γεμάτη με πρακτικές μελέτες περιπτώσεων που σας δείχνουν πώς να επιλύσετε αποτελεσματικά ένα ευρύ σύνολο προβλημάτων ανάλυσης δεδομένων. Θα μάθετε τις πιο πρόσφατες εκδόσεις των pandas, NumPy και Jupyter στην πράξη.\u003cbr\u003eΓραμμένο από τον Wes McKinney, τον δημιουργό του έργου Python pandas, αυτό το βιβλίο είναι μια πρακτική, σύγχρονη εισαγωγή στα εργαλεία επιστήμης δεδομένων στην Python. Είναι ιδανικό για αναλυτές που είναι νέοι στην Python και για προγραμματιστές Python που είναι νέοι στην επιστήμη δεδομένων και στους επιστημονικούς υπολογισμούς. Αρχεία δεδομένων και σχετικό υλικό είναι διαθέσιμα στο GitHub.\u003cbr\u003e• Χρησιμοποιήστε το σημειωματάριο Jupyter και το κέλυφος IPython για διερευνητικούς υπολογισμούς\u003cbr\u003e• Μάθετε βασικές και προηγμένες δυνατότητες στη NumPy\u003cbr\u003e• Ξεκινήστε με εργαλεία ανάλυσης δεδομένων στη βιβλιοθήκη pandas\u003cbr\u003e• Χρησιμοποιήστε ευέλικτα εργαλεία για τη φόρτωση, τον καθαρισμό, τον μετασχηματισμό, τη συγχώνευση και την αναμόρφωση δεδομένων\u003cbr\u003e• Δημιουργήστε οπτικοποιημένη πληροφορία με το matplotlib\u003cbr\u003e• Εφαρμόστε τη δυνατότητα pandas groupBy για να τεμαχίσετε, να ομαδοποιήσετε και να συνοψίσετε σύνολα δεδομένων\u003cbr\u003e• Αναλύστε και χειριστείτε κανονικά και ακανόνιστα δεδομένα χρονοσειρών\u003cbr\u003e• Μάθετε πώς να επιλύετε προβλήματα ανάλυσης δεδομένων πραγματικού κόσμου με ενδελεχή, λεπτομερή παραδείγματα\u003cbr\u003e\u003cbr\u003e\u003cb\u003e\u003ci\u003e«Με αυτή τη νέα έκδοση, ο Wes ενημέρωσε το βιβλίο του για να διασφαλίσει ότι παραμένει ο βασικός πόρος για όλα όσα σχετίζονται με την ανάλυση δεδομένων με Python και pandas. Αυτό το βιβλίο συστήνεται από μόνο του».\u003c\/i\u003e\u003c\/b\u003e\u003cbr\u003e-Paul Barry\u003cbr\u003eΛέκτορας και συγγραφέας του \u003ci\u003eO’Reilly’s Head First Python\u003c\/i\u003e\u003cbr\u003e\u003cbr\u003eΟ Wes McKinney, συνιδρυτής και επικεφαλής τεχνολογίας της Voltron Data, είναι ενεργό μέλος της κοινότητας δεδομένων Python και υποστηρικτής της χρήσης Python σε εφαρμογές ανάλυσης δεδομένων, οικονομικών και στατιστικών υπολογιστών. Απόφοιτος του MIT, είναι επίσης μέλος των επιτροπών διαχείρισης έργων για τα έργα Apache Arrow και Apache Parquet του Apache Software Foundation.\u003c\/p\u003e"}
Προτείνουμε επίσης:
Ανάλυση Δεδομένων με Python: Διαχείριση Δεδομένων με pandas, NumPy και Jupyter
€38.00
€34.20
Αποκτήστε το ολοκληρωμένο εγχειρίδιο για το χειρισμό, την επεξεργασία, τον καθαρισμό και τον τεμαχισμό συνόλων δεδομένων στην Python. Ενημερωμένη για...
{"id":8845800964440,"title":"Πώς να Πείσετε με Δεδομένα","handle":"9789604911790-miro-kazakoff-pos-na-peisete-me-dedomena","description":"Το \u003cem data-mce-fragment=\"1\"\u003eΠώς να πείσετε με δεδομένα\u003c\/em\u003e απευθύνεται σε όσους καλούνται να εξηγήσουν αποτελέσματα αναλύσεων σε άλλους. Στο βιβλίο παρουσιάζεται με συνθετικό τρόπο ένα ευρύ φάσμα τεχνικών που πρέπει να γνωρίζουν οι σημερινοί επαγγελματίες δεδομένων και παρέχεται μια πλήρης εργαλειοθήκη για τη δημιουργία πετυχημένων επιχειρηματικών παρουσιάσεων. Οι αναγνώστες θα μάθουν πώς να απλοποιούν τις παρουσιάσεις τους για να ενισχύουν το μήνυμα που θέλουν να μεταφέρουν, πώς να παρουσιάζουν αναλύσεις δεδομένων, πώς να προετοιμάζονται για την αντίσταση του ακροατηρίου, και πολλά ακόμη. Στο βιβλίο συνδυάζονται η πρακτική και η ακαδημαϊκή οπτική με πραγματικά παραδείγματα από διάφορους επιχειρηματικούς κλάδους, οργανισμούς και επιστημονικά πεδία. Είναι κατάλληλο για ένα ευρύ φάσμα αναγνωστών –από προπτυχιακούς φοιτητές έως επαγγελματίες με μέτρια εμπειρία και διοικητικά στελέχη– και έχει χρησιμοποιηθεί με επιτυχία, μεταξύ άλλων, σε πανεπιστημιακά μαθήματα και σε εκπαιδευτικά σεμινάρια επιχειρήσεων. \u003cbr\u003e\u003cbr\u003eΟ \u003cstrong data-mce-fragment=\"1\"\u003eMiro\u003c\/strong\u003e\u003cstrong data-mce-fragment=\"1\"\u003e Kazakoff\u003c\/strong\u003e είναι επίκουρος καθηγητής Διοικητικής Επικοινωνίας στο MIT Sloan School of Management \u003cbr\u003e\u003cbr\u003e«\u003cem data-mce-fragment=\"1\"\u003eΗ μετατροπή δεδομένων σε διαγράμματα και γραφήματα —και η σαφής διατύπωση των συμπερασμάτων που προκύπτουν— είναι μια μορφή τέχνης. Απαιτεί όχι μόνο αναλυτικές ικανότητες, αλλά και ικανότητες δραματοποίησης κατά την παρουσίαση των συμπερασμάτων. Ο \u003c\/em\u003e\u003cem data-mce-fragment=\"1\"\u003eMiro\u003c\/em\u003e\u003cem data-mce-fragment=\"1\"\u003e Kazakoff\u003c\/em\u003e\u003cem data-mce-fragment=\"1\"\u003e συνέταξε έναν εξαιρετικό οδηγό που θα σας βοηθήσει να αποφύγετε βαρετές για το ακροατήριο παρουσιάσεις\u003c\/em\u003e». \u003cbr\u003e\u003cbr\u003e\u003cstrong data-mce-fragment=\"1\"\u003eBarbara Minto\u003c\/strong\u003e, συγγραφέας του \u003cem data-mce-fragment=\"1\"\u003eThe Minto Pyramid Principle\u003c\/em\u003e \u003cbr\u003e\u003cbr\u003e«Αυτό το βιβλίο είναι δύο βιβλία σε ένα! Ο Kazakoff συμπεριέλαβε όλες τις βέλτιστες πρακτικές οπτικοποίησης δεδομένων και τις συνδύασε με τις βέλτιστες πρακτικές επιχειρησιακής επικοινωνίας. το αποτέλεσμα είναι ένα πραγματικά επίκαιρο, χρήσιμο και πολύτιμο βιβλίο για όποιον θέλει να μεγιστοποιήσει τον αντίκτυπο των δεδομένων του». \u003cbr\u003e\u003cbr\u003e\u003cstrong data-mce-fragment=\"1\"\u003eKerrie Aman Carfagno\u003c\/strong\u003e, αναπληρώτρια καθηγήτρια Διοικητικής Επικοινωνίας, McIntire School of Commerce\/Darden School of Business, πρόγραμμα Master of Science in Data Analytics, University of Virginia","published_at":"2023-11-03T19:25:18+02:00","created_at":"2023-11-03T19:25:18+02:00","vendor":"Miro Kazakoff","type":"Επιστήμη Υπολογιστών","tags":[],"price":3150,"price_min":3150,"price_max":3150,"available":true,"price_varies":false,"compare_at_price":3500,"compare_at_price_min":3500,"compare_at_price_max":3500,"compare_at_price_varies":false,"variants":[{"id":47414501376344,"title":"Default Title","option1":"Default Title","option2":null,"option3":null,"sku":"2000600091","requires_shipping":true,"taxable":false,"featured_image":null,"available":true,"name":"Πώς να Πείσετε με Δεδομένα","public_title":null,"options":["Default Title"],"price":3150,"weight":455,"compare_at_price":3500,"inventory_management":null,"barcode":"9789604911790","requires_selling_plan":false,"selling_plan_allocations":[],"quantity_rule":{"min":1,"max":null,"increment":1}}],"images":["\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/978-960-491-179-0-miro-kazakoff-pos-na-peisete-me-dedomena.png?v=1699032320","\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/978-960-491-179-0-miro-kazakoff-pos-na-peisete-me-dedomena-backcover.png?v=1699032321"],"featured_image":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/978-960-491-179-0-miro-kazakoff-pos-na-peisete-me-dedomena.png?v=1699032320","options":["Title"],"media":[{"alt":null,"id":45060651450712,"position":1,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/978-960-491-179-0-miro-kazakoff-pos-na-peisete-me-dedomena.png?v=1699032320"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/978-960-491-179-0-miro-kazakoff-pos-na-peisete-me-dedomena.png?v=1699032320","width":1000},{"alt":null,"id":45060651483480,"position":2,"preview_image":{"aspect_ratio":0.667,"height":1500,"width":1000,"src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/978-960-491-179-0-miro-kazakoff-pos-na-peisete-me-dedomena-backcover.png?v=1699032321"},"aspect_ratio":0.667,"height":1500,"media_type":"image","src":"\/\/ekdoseis-papasotiriou.gr\/cdn\/shop\/files\/978-960-491-179-0-miro-kazakoff-pos-na-peisete-me-dedomena-backcover.png?v=1699032321","width":1000}],"requires_selling_plan":false,"selling_plan_groups":[],"content":"Το \u003cem data-mce-fragment=\"1\"\u003eΠώς να πείσετε με δεδομένα\u003c\/em\u003e απευθύνεται σε όσους καλούνται να εξηγήσουν αποτελέσματα αναλύσεων σε άλλους. Στο βιβλίο παρουσιάζεται με συνθετικό τρόπο ένα ευρύ φάσμα τεχνικών που πρέπει να γνωρίζουν οι σημερινοί επαγγελματίες δεδομένων και παρέχεται μια πλήρης εργαλειοθήκη για τη δημιουργία πετυχημένων επιχειρηματικών παρουσιάσεων. Οι αναγνώστες θα μάθουν πώς να απλοποιούν τις παρουσιάσεις τους για να ενισχύουν το μήνυμα που θέλουν να μεταφέρουν, πώς να παρουσιάζουν αναλύσεις δεδομένων, πώς να προετοιμάζονται για την αντίσταση του ακροατηρίου, και πολλά ακόμη. Στο βιβλίο συνδυάζονται η πρακτική και η ακαδημαϊκή οπτική με πραγματικά παραδείγματα από διάφορους επιχειρηματικούς κλάδους, οργανισμούς και επιστημονικά πεδία. Είναι κατάλληλο για ένα ευρύ φάσμα αναγνωστών –από προπτυχιακούς φοιτητές έως επαγγελματίες με μέτρια εμπειρία και διοικητικά στελέχη– και έχει χρησιμοποιηθεί με επιτυχία, μεταξύ άλλων, σε πανεπιστημιακά μαθήματα και σε εκπαιδευτικά σεμινάρια επιχειρήσεων. \u003cbr\u003e\u003cbr\u003eΟ \u003cstrong data-mce-fragment=\"1\"\u003eMiro\u003c\/strong\u003e\u003cstrong data-mce-fragment=\"1\"\u003e Kazakoff\u003c\/strong\u003e είναι επίκουρος καθηγητής Διοικητικής Επικοινωνίας στο MIT Sloan School of Management \u003cbr\u003e\u003cbr\u003e«\u003cem data-mce-fragment=\"1\"\u003eΗ μετατροπή δεδομένων σε διαγράμματα και γραφήματα —και η σαφής διατύπωση των συμπερασμάτων που προκύπτουν— είναι μια μορφή τέχνης. Απαιτεί όχι μόνο αναλυτικές ικανότητες, αλλά και ικανότητες δραματοποίησης κατά την παρουσίαση των συμπερασμάτων. Ο \u003c\/em\u003e\u003cem data-mce-fragment=\"1\"\u003eMiro\u003c\/em\u003e\u003cem data-mce-fragment=\"1\"\u003e Kazakoff\u003c\/em\u003e\u003cem data-mce-fragment=\"1\"\u003e συνέταξε έναν εξαιρετικό οδηγό που θα σας βοηθήσει να αποφύγετε βαρετές για το ακροατήριο παρουσιάσεις\u003c\/em\u003e». \u003cbr\u003e\u003cbr\u003e\u003cstrong data-mce-fragment=\"1\"\u003eBarbara Minto\u003c\/strong\u003e, συγγραφέας του \u003cem data-mce-fragment=\"1\"\u003eThe Minto Pyramid Principle\u003c\/em\u003e \u003cbr\u003e\u003cbr\u003e«Αυτό το βιβλίο είναι δύο βιβλία σε ένα! Ο Kazakoff συμπεριέλαβε όλες τις βέλτιστες πρακτικές οπτικοποίησης δεδομένων και τις συνδύασε με τις βέλτιστες πρακτικές επιχειρησιακής επικοινωνίας. το αποτέλεσμα είναι ένα πραγματικά επίκαιρο, χρήσιμο και πολύτιμο βιβλίο για όποιον θέλει να μεγιστοποιήσει τον αντίκτυπο των δεδομένων του». \u003cbr\u003e\u003cbr\u003e\u003cstrong data-mce-fragment=\"1\"\u003eKerrie Aman Carfagno\u003c\/strong\u003e, αναπληρώτρια καθηγήτρια Διοικητικής Επικοινωνίας, McIntire School of Commerce\/Darden School of Business, πρόγραμμα Master of Science in Data Analytics, University of Virginia"}
Προτείνουμε επίσης:
Πώς να Πείσετε με Δεδομένα
€35.00
€31.50
Το Πώς να πείσετε με δεδομένα απευθύνεται σε όσους καλούνται να εξηγήσουν αποτελέσματα αναλύσεων σε άλλους. Στο βιβλίο παρουσιάζεται με...