Data Science: The Hard Parts (häftad, eng)
Data Science: The Hard Parts (häftad, eng)
Gästpris:
Ditt medlemspris:
414 kr
563 kr
Kampanjpris! (-6%)
Kampanjpris! (-31%)
- Inköpspriser för medlemmar (Logga in)
- Frakt från 0 kr
- 14 dagars öppet köp
Frågor? Starta chatt
This practical guide provides a collection of techniques and best practices that are generally overlooked in most data engineering and data science pedagogy. A common misconception is that great data scientists are experts in the "big themes" of the discipline-machine learning and programming.
But most of the time, these tools can only take us so far. In practice, the smaller tools and skills really separate a great data scientist from a not-so-great one. Taken as a whole, the lessons in this book make the difference between an average data scientist candidate and a qualified data scientist working in the field.
Author Daniel Vaughan has collected, extended, and used these skills to create value and train data scientists from different companies and industries. With this book, you will:Understand how data science creates valueDeliver compelling narratives to sell your data science projectBuild a business case using unit economics principlesCreate new features for a ML model using storytellingLearn how to decompose KPIsPerform growth decompositions to find root causes for changes in a metricDaniel Vaughan is head of data at Clip, the leading paytech company in Mexico He's the author of Analytical Skills for AI and Data Science (O'Reilly).
But most of the time, these tools can only take us so far. In practice, the smaller tools and skills really separate a great data scientist from a not-so-great one. Taken as a whole, the lessons in this book make the difference between an average data scientist candidate and a qualified data scientist working in the field.
Author Daniel Vaughan has collected, extended, and used these skills to create value and train data scientists from different companies and industries. With this book, you will:Understand how data science creates valueDeliver compelling narratives to sell your data science projectBuild a business case using unit economics principlesCreate new features for a ML model using storytellingLearn how to decompose KPIsPerform growth decompositions to find root causes for changes in a metricDaniel Vaughan is head of data at Clip, the leading paytech company in Mexico He's the author of Analytical Skills for AI and Data Science (O'Reilly).
| Format | Häftad |
| Omfång | 250 sidor |
| Språk | Engelska |
| Förlag | O'Reilly Media |
| Utgivningsdatum | 2023-11-17 |
| ISBN | 9781098146474 |
Artikelnummer
2954212
EAN
9781098146474
Leverans:
Denna produkt skickas från oss inom 6 - 7 vardagar. I kassan väljer du om du vill få leverans med Budbee, Airmee, Best Transport, Early Bird, Postnord eller DB Schenker. Vissa speditörer har vikt- eller storleksbegränsningar och kan av den anledningen saknas som alternativ i kassan om du handlar många eller väldigt stora produkter.Fri retur:
För medlemmar gäller fri retur och 14 dagars full returrätt från den dagen du tar emot din leverans. För övriga kostar retur från 49 kr.Undantag för retur- och ångerrätt:
Dessa är exempel på varor som inte omfattas av retur- eller ångerrätt. Observera att det kan finnas andra undantag som inte listas här.- Använda, skadade och/eller inkompletta produkter
- Dagligvaror (livsmedel, läkemedel, nikotinprodukter)
- Hygienartiklar & kroppsnära produkter (rakapparater, in ear-hörlurar, aktivitetsklockor)
- Intimprodukter (menskoppar, kondomer och glidmedel)
- Kosmetikprodukter (inkl. hår- och hudvårdsprodukter, parfymer, etc.)
- Underkläder (inkl. badkläder, underställ och strumpor)
- Ljud- & bildupptagningar, spel/program (om förseglingen brutits eller licensnyckeln erhållits.)
- Teknikprodukter om försegling brutits eller programvara har installerats (mobiltelefoner, surfplattor, laptops, etc.)
- Gratisprodukter
Om du är osäker på om en produkt omfattas av ångerrätt kan du alltid kontakta vår kundtjänst på info@buyersclub.se, så hjälper vi dig gärna!
Leveranser:
