Цитаты из книги «Наука о данных. Базовый курс»

Метод наименьших квадратов послужил основой для статистических методов обучения, таких как искусственного интеллекта.

Первый — это набор данных, на котором работает алгоритм. Если он не является репрезентативным для совокупности, то модель, которую генерирует алгоритм, не будет точной.

методом обратного распространения ошибки.

Правильное графическое отображение выявляет эти и другие аспекты. Визуализация является важной и растущей областью науки о данных, и мы рекомендуем работы Эдварда Туфта как отличное введение в ее принципы и методы.

данные создаются с помощью абстракции или измерения мира; информация — это данные, которые были обработаны, структурированы или встроены в контекст таким образом, что стали значимы для людей; знание — это информация, которая была истолкована и понята таким образом, что появилась возможность действовать в соответствии с ней по необходимости; мудрость — это умение найти надлежащее применение знанию.

Цель науки о данных — улучшить процесс принятия решений, основывая их на более глубоком понимании ситуации с помощью анализа больших наборов данных

Подсчитано, что объем данных, собранных за пять тысячелетий с момента изобретения письма до 2003 г., составляет около пяти эксабайт. С 2013 г. люди генерируют и хранят такое же количество данных ежедневно.

Ключевое событие в этой сфере произошло в 1970 г., когда Эдгар Кодд опубликовал статью с описанием реляционной модели данных, которая совершила переворот в том, как именно данные хранятся, индексируются и извлекаются из баз. Реляционная модель позволила извлекать данные из базы путем простых запросов, которые определяли, что нужно пользователю, не требуя от него знания о внутренней структуре данных или о том, где они физически хранятся. Документ Кодда послужил основой для современных баз данных и разработки SQL (языка структурированных запросов), международного стандарта формулировки запросов к базам данных.

Цель науки о данных — улучшить процесс принятия решений, основывая их на более глубоком понимании ситуации с помощью анализа больших наборов данных.

Сети глубокого обучения — это те же нейронные сети, имеющие несколько19 слоев скрытых юнитов, — другими словами, они глубоки с точки зрения количества скрытых слоев.