کتاب Predictive Analytics for the Modern Enterprise: A Practitioner’s Guide to Designing and Implementing Solutions (تحلیل پیشگویانه برای بنگاههای مدرن: راهنمای عملی برای طراحی و اجرای راهحلها) بهترین ابزارها و روشهای لازم را برای کمک به طراحی، پیادهسازی و عملیاتی کردن تحلیلهای پیشبینی در زمینه علوم داده، در محل یا در فضای ابری ارائه میکند.
در ادامه مقدمهای از کتاب Predictive Analytics for the Modern Enterprise را از زبان نویسنده شرح خواهیم داد.
مقدمهای بر کتاب Predictive Analytics for the Modern Enterprise:
تحول عظیم تحلیل پیشگویانه در دنیای کسب و کار
بازار تحلیل پیشگویانه طی یک دهه گذشته رشد قابل توجهی را تجربه کرده است. انتظار میرود این روند همچنان ادامه داشته باشد، زیرا پیشبینی میشود ارزش بازار از ۱۰.۵ میلیارد دلار در سال ۲۰۲۱ به ۲۸.۱ میلیارد دلار در سال ۲۰۲۶ برسد. این گسترش با افزایش اتوماسیون در سراسر صنایع، پذیرش گسترده دستگاههای اینترنت اشیاء (IoT) و ظهور اتصال پرسرعت اینترنت ۵G تقویت میشود.
سازمانها با درک ارزش پردازش مجموعه دادههای عظیم و پیشبینی سناریوهای آینده، از تحلیل پیشگویانه برای کسب مزیت رقابتی و تقویت جریان درآمد خود استفاده میکنند. علاوه بر این، همهگیری کووید-۱۹ بر اهمیت تحلیل پیشگویانه تأکید بیشتری کرده است و سازمانها اکنون برای برنامهریزی استراتژیک، بهینهسازی عملیاتی و صرفهجویی در هزینه به آن روی میآورند.
در عصر تصمیمگیری مبتنی بر داده، تحلیل پیشگویانه به یک ضرورت عملیاتی تبدیل شده است. متخصصان داده امروز خود را بیش از هر زمان دیگری با اهداف تجاری مرتبط میبینند. این کتاب با در نظر گرفتن این پیشزمینه نوشته شده است و هدف آن تجهیز متخصصان داده با پیشینه، ابزار و بهترین شیوههای لازم برای مفهومپردازی، اجرا و عملیاتی کردن تحلیل پیشگویانه است.
کتاب Predictive Analytics for the Modern Enterprise از طریق ترکیبی از موارد استفاده در صنعت و نمونههای عملی جامع، به دنبال توانمندسازی متخصصان برای پیمایش پیچیدگیهای تحلیل پیشگویانه با اطمینان و دقت است.
با توجه به ماهیت گسترده تحلیل پیشگویانه، منابع متعددی به چارچوبهای خاص، موارد استفاده، نمونههای کد یا مبانی ریاضی آن میپردازند. با این حال، یافتن کتابی که این جنبهها را به طور یکپارچه در یک روایت منسجم برای یادگیرندگان در دسترس قرار دهد، همچنان یک چالش است.
در این میان، نبود ادبیاتی که جدیدترین پیشرفتهای ارائهدهندگان خدمات ابری را در زمینه هوش مصنوعی و یادگیری ماشین (ML) که محرک اصلی پذیرش آنها در سازمانهای امروزی است، بررسی کند، به چشم میخورد. ما به عنوان متخصصان داده، با چالش پاسخگویی به تقاضای روزافزون کسب و کار دست و پنجه نرم میکنیم، اغلب بدون داشتن منابع فنی مناسب که با نیازهای ما مطابقت داشته باشد.
کتاب Predictive Analytics for the Modern Enterprise با ارائه رویکردی لایهبندیشده برای درک و اجرای تحلیل پیشگویانه در سازمانها، به دنبال پر کردن این شکافها است. این کتاب با بهرهگیری از رایجترین چارچوبها و فناوریها و زمینهسازی تحولات یک دهه گذشته در صنعت، به دنبال تجهیز متخصصان داده با ابزارهایی است که نه تنها بتوانند نیازهای کسب و کار را برآورده کنند، بلکه از تحولاتی که مستقیماً بر سودآوری تأثیر میگذارد، حمایت کنند.
کتاب Predictive Analytics for the Modern Enterprise از طریق ترکیبی از بینشهای عملی و راهنماییهای استراتژیک، تلاش میکند تا خوانندگان را قادر سازد تا با اطمینان و مهارت، در چشمانداز در حال تحول تحلیل پیشگویانه حرکت کنند.
کتاب Predictive Analytics for the Modern Enterprise برای چه کسانی است؟
مخاطبان اصلی این کتاب، متخصصان داده و مدیران فنی هستند که میخواهند مبنای علمی تحلیل پیشگویانه و کاربرد آن در سازمانهای امروزی را بیاموزند. این کتاب به خوانندگان امکان میدهد تا با استفاده از چندین چارچوب، تکنیک و پلتفرم، چرخه حیات توسعه قابلیتهای تحلیل پیشگویانه را طی کنند.
خوانندگان میتوانند با استفاده از نمونههای پیشرو در صنعت که امروزه مرتبط هستند، درک خود را از تحلیل پیشگویانه تقویت کنند. این کتاب به گونهای طراحی شده است که ساده باشد اما ابتدایی نباشد؛ جامع باشد اما پیچیده نباشد. اگر به دنبال کتابی هستید که بتوانید به راحتی آن را بردارید و شروع به یادگیری در مورد تحلیل پیشگویانه کنید، این کتاب برای شماست.
پیشنیازهای کتاب Predictive Analytics for the Modern Enterprise
من هیچ دانش قبلی از خواننده فرض نمیکنم به جز درک اولیه از برنامهنویسی با پایتون، درک سطح بالایی از ریاضیات پایه و درک سطح بالایی از سرویسهای وب آمازون (AWS).
ساختار کتاب Predictive Analytics for the Modern Enterprise
این کتاب ماهیت تحلیل پیشگویانه، دلایل استفاده سازمانها از آن و نحوه بهکارگیریاش برای حل مشکلات کسب و کار را تعریف میکند. این کتاب شامل ۹ فصل و یک پیوست است.
فصلهای کتاب Predictive Analytics for the Modern Enterprise به شرح زیر است:
- فصل ۱: تحلیل داده در بنگاه مدرن: این فصل تحلیل پیشگویانه را از طریق سناریوهای قابلارتباط با زندگی روزمره معرفی میکند و برای خوانندگانی که دانش قبلی کمی دارند، نقطهی آغازی در دسترس فراهم میسازد. همچنین، تحول تاریخی تحلیل داده را مرور میکند و ابزار و چارچوبهای موجود برای پیادهسازی در سازمانها را ارائه میدهد.
- فصل ۲: تحلیل پیشگویانه: یک ضرورت عملیاتی: این فصل به تغییر رویکرد سازمانها به سمت راهبردهای مبتنی بر داده میپردازد، چالشهای رایج را بررسی میکند و نمونههایی از پیادهسازیهای موفق در صنایع مختلف را به نمایش میگذارد.
- فصل ۳: ریاضیات و الگوریتمهای پشت تحلیل پیشگویانه: این فصل در اعماقِ مبانی ریاضی تحلیل پیشگویانه، شامل آمار، جبر خطی و الگوریتمهای یادگیری ماشین فرو میرود.
- فصل ۴: کار با دادهها: این فصل بر روی ظرافتهای پیشپردازش داده و کل فرایند تحلیل پیشگویانه از ابتدا تا انتها تمرکز میکند.
- فصل ۵: پایتون و scikit-learn برای تحلیل پیشگویانه: این فصل یادگیری عملی را با کتابخانههای پایتون، تسهیل مدلسازی پیشگویانهی پایه و وظایف پیشبینی را فراهم میکند.
- فصل ۶: TensorFlow و Keras برای تحلیل پیشگویانه: این فصل اصول TensorFlow، شامل رگرسیون خطی و شبکههای عصبی عمیق را بررسی میکند.
- فصل ۷: تحلیل پیشگویانه برای حل مشکلات کسب و کار: این فصل کاربردهای عملی تحلیل پیشگویانه در خرده فروشی، سرگرمی و امور مالی، شامل کشف تقلب، بهینهسازی قیمت و توصیهها را مورد بررسی قرار میدهد.
- فصل ۸: بررسی سرویسهای ارائهدهندهی ابری AWS برای هوش مصنوعی/یادگیری ماشین: این فصل سرویسهای هوش مصنوعی/یادگیری ماشین ارائهشده توسط AWS را بررسی میکند، و به بحث دربارهی راهبردهای ابری و ابزارهایی نظیر AWS SageMaker و Amazon Forecast برای خطوط لوله یادگیری ماشین و پیشبینی سری زمانی میپردازد.
- فصل ۹: تاملبرانگیز: این فصل خلاصهای از آموختههای کتاب را ارائه میدهد و به چند مورد استفادهی دیگر نیز میپردازد. در نهایت، با بحث دربارهی تأثیر اجتماعی تحلیل پیشگویانه به پایان میرسد.
سرفصلهای کتاب Predictive Analytics for the Modern Enterprise:
- Preface
- 1. Data Analytics in the Modern Enterprise
- 2. Predictive Analytics: An Operational Necessity
- 3. The Mathematics and Algorithms Behind Predictive Analytics
- 4. Working with Data
- 5. Python and scikit-learn for Predictive Analytics
- 6. TensorFlow and Keras for Predictive Analytics
- 7. Predictive Analytics for Business Problem-Solving
- 8. Exploring AWS Cloud Provider Services for AI/ML
- 9. Food for Thought
- Index
- About the Author
جهت دانلود کتاب Predictive Analytics for the Modern Enterprise میتوانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.