Самая востребованная тема в IT-бизнес книгахАлексей Благирев - директор по инновациям, банк "Открытие", спикер, коуч, специалист по Big Data

Самая востребованная тема в IT-бизнес книгахАлексей Благирев - директор по инновациям, банк "Открытие", спикер, коуч, специалист по Big Data

Наш телефон знает о нас больше, чем мы думаем. Он умеет собирать и анализировать информацию о том, как мы передвигаемся по городу, какие посты лайкаем и какими приложениями пользуемся. Он сообщит о пробках и поторопит на работу, чтобы мы не опоздали; подберет музыку под наше настроение и составит список персональных рекомендаций, чем можно занять себя в течение дня. Телефон - больше не устройство, по которому звонят, это уже средство управления окружающим нас миром. Незаметно мы окружили себя такими интерфейсами, которые создают невидимый барьер между человеком и окружающей средой. Планирование, управление, коммуникация, все теперь строится через эти программы и девайсы. Даже человеческие отношения. Но насколько глубока кроличья нора? Каждому предстоит разобраться в этом самому. Эта книга поможет донести основные принципы проектирования и создания таких интерфейсов управления бизнесом, обществом и окружающим нас миром посредством Больших данных. Читайте, наслаждайтесь и помните: сожжение книг противозаконно.

В этой знаменитой книге известный шахматный мастер, заслуженный тренер СССР А. П. Сокольский простым и доступным языком рассказывает о принципах дебюта и середины игры. Особой ценностью книги стал глубокий анализ множества партий, вкупе с выразительными и понятными комментариями. Алексей Павлович Сокольский был исследователем и теоретиком, одним из считанных шахматистов на Земле, именем которого назван дебют. Долгие годы являлся тренером и секундантом прославленного гроссмейстера Исаака Болеславского, а также педагогом, работавшим с молодыми игроками. Наше издание станет отличным подспорьем для шахматистов 3-1 разрядов и позволит им значительно повысить свое мастерство!

В этой знаменитой книге известный шахматный мастер, заслуженный тренер СССР А.П. Сокольский простым и доступным языком рассказывает о принципах дебюта и середины игры. . .Особой ценностью книги стал глубокий анализ множества партий, вкупе с выразительными и понятными комментариями. . .Алексей Павлович Сокольский был исследователем и теоретиком, одним из считанных шахматистов на Земле, именем которого назван дебют. Долгие годы являлся тренером и секундантом прославленного гроссмейстера Исаака Болеславского, а также педагогом, работавшим с молодыми игроками. . .Наше издание станет отличным подспорьем для шахматистов 3-1 разрядов и позволит им значительно повысить свое мастерство!

В этой знаменитой книге известный шахматный мастер, заслуженный тренер СССР А.П. Сокольский простым и доступным языком рассказывает о принципах дебюта и середины игры. . .Особой ценностью книги стал глубокий анализ множества партий, вкупе с выразительными и понятными комментариями. . .Алексей Павлович Сокольский был исследователем и теоретиком, одним из считанных шахматистов на Земле, именем которого назван дебют. Долгие годы являлся тренером и секундантом прославленного гроссмейстера Исаака Болеславского, а также педагогом, работавшим с молодыми игроками. . .Наше издание станет отличным подспорьем для шахматистов 3-1 разрядов и позволит им значительно повысить свое мастерство!

Cегодня Big Data — это большой бизнес. Нашей жизнью управляет информация, и извлечение выгоды из нее становится центральным моментом в работе современных организаций. Не важно кто вы - деловой человек, работающий с аналитикой, начинающий программист или разработчик, - "Теоретический минимум по Big Data" позволит разобраться в основах новой и стремительно развивающейся отрасли обработки больших данных.Хотите узнать о больших данных и механизмах работы с ними? Каждому алгоритму посвящена отдельная глава, в которой не только объясняются основные принципы работы, но и даются примеры использования в реальных задачах. Большое количество иллюстраций и простые комментарии позволят легко разобраться в самых сложных аспектах Big Data."Отличная визуализация концепций машинного обучения позволяет «нетехнарям» интуитивно понять сложные абстрактные понятия. Это лаконичная и точная выжимка содержит теоретический минимум информации, необходимый для первого знакомства с Big Data."Этан Чен, автор курса CS 102: Big Data, Стэнфордский университет

Сегодня Big Data - это большой бизнес. Нашей жизнью управляет информация, и извлечение выгоды из нее становится центральным моментом в работе современных организаций. Не важно кто вы - деловой человек, работающий с аналитикой, начинающий программист или разработчик, - "Теоретический минимум по Big Data" позволит разобраться в основах новой и стремительно развивающейся отрасли обработки больших данных. Хотите узнать о больших данных и механизмах работы с ними? Каждому алгоритму посвящена отдельная глава, в которой не только объясняются основные принципы работы, но и даются примеры использования в реальных задачах. Большое количество иллюстраций и простые комментарии позволят легко разобраться в самых сложных аспектах Big Data. "Отличная визуализация концепций машинного обучения позволяет "нетехнарям" интуитивно понять сложные абстрактные понятия. Это лаконичная и точная выжимка содержит теоретический минимум информации, необходимый для первого знакомства с Big Data." Этан Чен, автор курса CS 102: Big Data, Стэнфордский университет

Как дать отпор уличным хулиганам и опасным преступникам? Как защитить себя и своих близких? В данном издании представлено множество практических рекомендаций, чтобы одержать победу над противником в экстренных ситуациях. Вы узнаете историю боевых искусств разных стран, приёмы уличной драки, о владении холодным и самодельным оружием и психологии агрессора. Книга написана простым и доступным языком и предназначена для широкого круга читателей. Составитель Кашин Сергей Павлович

Отличная визуализация концепций машинного обучения поможет "нетехнарям" понять Big Data.

Отличная визуализация концепций машинного обучения поможет "нетехнарям" понять Big Data.

Тетрадь 96л скр А5 кл 11385/5-EAC мат лам выб УФ лак Big Data

Представленное учебное пособие признано формировать определенную систему знаний у студентов в области: информации и особенностях ее хранения и обработки; сущности понятия "Big Data" и ее значении; принципов и подходов к управлению Big Data, а так же современных технологиях хранения данных и инструментариях для их анализа. Соответствует ФГОС ВО последнего поколения. Для студентов бакалавриата, обучающихся по направлениям "Бизнес-информатика" и "Экономика".

Технологии монетизации больших данных от гигантов рынка — Google, Microsoft, Uber, Twitter, Amazon, Facebook, Netflix и WhatsApp. Вы узнаете, как с помощью Big Data инновационные компании: - следят за поведением пользователей; - определяют круг интересов человека; - управляют репутацией; - формируют мнение потребителей. Андреас Вайгенд — один из ведущих мировых экспертов по будущему Big Data, директор компании Social Data Lab и лектор IT-школы Калифорнийского университета Беркли. Разрабатывал стратегию больших данных компаний Alibaba, Goldman Sachs, Lufthansa, Thomson Reuters, работал руководителем по Big Data компании Amazon. «Невероятно актуальная книга. Андреас Вайгенд, главный data scientist Amazon, поднимает острую и неоднозначную тему: как следует жить в мире полной информационной открытости? И утверждает, что этот «дом со стеклянными стенами» несет в себе не только большие риски, но и потрясающие возможности. Потрясающие возможности, которые открыты и для корпораций, и для обычных людей». — Юрий Мордвин, директор по коммерческим операциям и аналитике ozon.ru

Технологии монетизации больших данных от гигантов рынка — Google, Microsoft, Uber, Twitter, Amazon, Facebook, Netflix и WhatsApp. Вы узнаете, как с помощью Big Data инновационные компании: - следят за поведением пользователей; - определяют круг интересов человека; - управляют репутацией; - формируют мнение потребителей. Андреас Вайгенд — один из ведущих мировых экспертов по будущему Big Data, директор компании Social Data Lab и лектор IT-школы Калифорнийского университета Беркли. Разрабатывал стратегию больших данных компаний Alibaba, Goldman Sachs, Lufthansa, Thomson Reuters, работал руководителем по Big Data компании Amazon. «Невероятно актуальная книга. Андреас Вайгенд, главный data scientist Amazon, поднимает острую и неоднозначную тему: как следует жить в мире полной информационной открытости? И утверждает, что этот «дом со стеклянными стенами» несет в себе не только большие риски, но и потрясающие возможности. Потрясающие возможности, которые открыты и для корпораций, и для обычных людей». — Юрий Мордвин, директор по коммерческим операциям и аналитике ozon.ru

Революция социальных данных делает измеримыми вещи, которые не измерялись или не могли быть измерены прежде. В прошлом мы имели все основания утверждать, что не имеем информации или инструментария для описания и анализа возможностей выбора, который стоит перед обществом. Теперь это не так. Мы можем точно представлять себе и выбор, и его последствия. Чем больше личной информации о нас накапливается в базах данных компаний, тем в большей степени мы существуем, и тем больше узнаем о самих себе. Реальная проблема в том, чтобы сделать компании, собирающие личные данные, прозрачными для нас в той же степени, в какой мы прозрачны для них, и обеспечить себе право голоса в вопросах использования этих данных. В этой книге рассказывается о том, как достичь этих целей. Андреас Вайгенд - директор компании Social Data Lab, ex-руководитель по Big Data компании Amazon, лектор школы информационных технологий Калифорнийского университета Беркли. Технологии монетизации больших данных от гигантов рынка - Google, Microsoft, Uber, Twitter, Amazon, Facebook, Netflix и WhatsApp. Вы узнаете, как с помощью Big Data инновационные компании: - следят за поведением пользователей - определяют круг интересов человека - управляют репутацией - формируют мнение потребителей Андреас Вайгенд - один из ведущих мировых экспертов по будущему Big Data, директор компании Social Data Lab и лектор IT- школы Калифорнийского университета Беркли. Разрабатывал стратегию больших данных компаний Alibaba, Goldman Sachs, Lufthansa, Thomson Reuters, работал руководителем по Big Data компании Amazon.