دانلود کتاب تحليل آناليزكنندگان: بررسي درون نگرانه دانشمندان داده ها و كار آنها بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Analyzing the Analyzers: An Introspective Survey of Data Scientists and Their Work
عنوان ترجمه شده به فارسی : تحليل آناليزكنندگان: بررسي درون نگرانه دانشمندان داده ها و كار آنها
سری :
نویسندگان : Harlan Harris, Sean Murphy, Marck Vaisman
ناشر : O'Reilly Media
سال نشر : 2013
تعداد صفحات : 0
ISBN (شابک) : 1449371760 , 9781449371760
زبان کتاب : English
فرمت کتاب : epub درصورت درخواست کاربر به PDF تبدیل می شود
حجم کتاب : 2 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
علیرغم هیجانانگیز بودن پیرامون \"علم داده\" \"داده بزرگ\" و \"تحلیل\"، ابهام این اصطلاحات منجر به ارتباط ضعیف بین دانشمندان داده و سازمانهایی شده است که از آنها کمک میخواهند. در این گزارش، نویسندگان هارلان هریس، شان مورفی و مارک وایسمن نظرسنجی خود را از چند صد متخصص علوم داده در اواسط سال 2012 بررسی کردند، زمانی که از پاسخ دهندگان پرسیدند که چگونه مهارت ها، مشاغل و تجربیات خود را با کارفرمایان آینده نگر می بینند. نتایج قابل توجه است.
بر اساس دادههای نظرسنجی، نویسندگان دریافتند که امروزه دانشمندان داده را میتوان در چهار زیرگروه دستهبندی کرد که هر کدام دارای ترکیبی متفاوت از مهارتها هستند. هدف آنها شناسایی واژگان جدید و دقیقتر برای نقشهای علم داده، تیمها و مسیرهای شغلی است.
این گزارش شرح میدهد:
Despite the excitement around "data science," "big data," and "analytics," the ambiguity of these terms has led to poor communication between data scientists and organizations seeking their help. In this report, authors Harlan Harris, Sean Murphy, and Marck Vaisman examine their survey of several hundred data science practitioners in mid-2012, when they asked respondents how they viewed their skills, careers, and experiences with prospective employers. The results are striking.
Based on the survey data, the authors found that data scientists today can be clustered into four subgroups, each with a different mix of skillsets. Their purpose is to identify a new, more precise vocabulary for data science roles, teams, and career paths.
This report describes: