Роман Зыков - Роман с Data Science. Как монетизировать большие данные [litres]
![Роман Зыков - Роман с Data Science. Как монетизировать большие данные [litres]](/books/1150039/roman-zykov-roman-s-data-science-kak-monetizirova.webp "Обложка книги")
- Название:Роман с Data Science. Как монетизировать большие данные [litres]
- Автор:
- Жанр:
- Издательство:Издательство Питер
- Год:2021
- Город:Санкт-Петербург
- ISBN:978-5-4461-1879-3
- Рейтинг:
- Избранное:Добавить в избранное
-
Отзывы:
-
Ваша оценка:
Роман Зыков - Роман с Data Science. Как монетизировать большие данные [litres] краткое содержание
Эта книга предназначена для думающих читателей, которые хотят попробовать свои силы в области анализа данных и создавать сервисы на их основе. Она будет вам полезна, если вы менеджер, который хочет ставить задачи аналитике и управлять ею. Если вы инвестор, с ней вам будет легче понять потенциал стартапа. Те, кто «пилит» свой стартап, найдут здесь рекомендации, как выбрать подходящие технологии и набрать команду. А начинающим специалистам книга поможет расширить кругозор и начать применять практики, о которых они раньше не задумывались, и это выделит их среди профессионалов такой непростой и изменчивой области. Книга не содержит примеров программного кода, в ней почти нет математики.
В формате PDF A4 сохранен издательский макет.
Роман с Data Science. Как монетизировать большие данные [litres] - читать онлайн бесплатно ознакомительный отрывок
Интервал:
Закладка:
76. Рохо, Антонио. Возможно да, возможно нет. Фишер. Статистический вывод // Наука. Величайшие теории. – М.: Де Агостини, 2015. – Вып. 47. – ISSN 2409–0069.
77. Larry Wasserman, All of Statistics: A Concise Course in Statistical Inference (Springer Texts in Statistics), Springer (December 1, 2010).
78. Непараметрические критерии. http://statistica.ru/theory/neparametricheskie-kriterii/
79. B. Efron, Bootstrap Methods: Another Look at the Jackknife.https://doi.org/10.1214/aos/1176344552
80. Bootstrap confidence intervals. https://www.dropbox.com/s/6dbqxrcocmfxyvp/MIT18_05S14_Reading24.pdf?dl=0
81. Criteo Labs: Why your A/B-test needs confidence intervals. https://medium.com/criteo-labs/why-your-ab-test-needs-confidence-intervals-bec9fe18db41
82. Bayesian A/B tests. https://richrelevance.com/2013/05/21/bayesian-ab-tests/
83. William Bolstard, Introduction to Bayesian Statistics.
84. Ron Kohavi, Alex Deng, Roger Longbotham, and Ya Xu. Seven Rules of Thumb for Web Site Experimenters. https://exp-platform.com/rules-of-thumb/
85. Retail Rocket Segmentator. https://github.com/RetailRocket/RetailRocket.Segmentator
86. Reinforcement Learning: An Introduction. https://web.stanford.edu/class/psych209/Readings/SuttonBartoIPRLBook2ndEd.pdf
87. The Privacy Project. https://www.nytimes.com/interactive/2019/opinion/internet-privacy-project.html
88. One Nation tracked. https://www.nytimes.com/interactive/2019/12/19/opinion/location-tracking-cell-phone.html
89. Google Authorized Buyers, Real-time Bidding. https://developers.google.com/authorized-buyers/rtb/start
90. Explained: Data in the Criteo Engine. https://www.criteo.com/blog/explained-data-in-the-criteo-engine/
91. We Built an ‘Unbelievable’ (but Legal) Facial Recognition Machine. https://www.nytimes.com/interactive/2019/04/16/opinion/facial-recognition-new-york-city.html
92. What ISPs Can See, Upturn, March 2016. https://www.upturn.org/reports/2016/what-isps-can-see/
93. The GDPR Is a Cookie Monster. https://content-na1.emarketer.com/the-gdpr-is-a-cookie-monster
94. IAB. Cookies on Mobile 101. https://www.iab.com/wp-content/uploads/2015/07/CookiesOnMobile101Final.pdf
95. How Online Shopping Makes Suckers of Us All. https://www.theatlantic.com/magazine/archive/2017/05/how-online-shopping-makes-suckers-of-us-all/521448/
96. Почему крупнейшие сайты рунета убирают счетчик Liveinternet? https://vc.ru/flood/1822-pochemu-krupneyshie-saytyi-runeta-ubirayut-schetchik-liveinternet
97. How To Break Anonymity of the Netflix Prize Dataset. https://arxiv.org/abs/cs/0610105
98. ‘Alexa, are you invading my privacy?’ – the dark side of our voice assistants. https://www.theguardian.com/technology/2019/oct/09/alexa-are-you-invading-my-privacy-the-dark-side-of-our-voice-assistants
99. LeakyPick: IoT Audio Spy Detector. https://arxiv.org/abs/2007.00500
100. I Search, Therefore I AM, Andreas Weigend. https://www.dropbox.com/s/xk6w60szuq6dpeh/WeigendFOCUS2004-en.pdf?dl=0
101. We Read 150 Privacy Policies. They Were an Incomprehensible Disaster. https://www.nytimes.com/interactive/2019/06/12/opinion/facebook-google-privacy-policies.html
102. 5 Americans who used NSA facilities to spy on lovers. https://www.washingtonpost.com/news/the-switch/wp/2013/09/27/5-americans-who-used-nsa-facilities-to-spy-on-lovers/
103. Pie & AI Asia: On Ethical AI with Andrew Ng. https://www.deeplearning.ai/blog/pie-ai-asia-on-ethical-ai-with-andrew-ng/
104. What Do We Do About the Biases in AI? https://hbr.org/2019/10/what-do-we-do-about-the-biases-in-ai
105. Уже почти половина россиян стали блокировать интернет-рекламу. https://www2.deloitte.com/ru/ru/pages/about-deloitte/deloitte-in-press/2019/blokirovka-internet-reklamy.html
106. IAB Europe Guide to the Post Third-Party Cookie Era. https://iabeurope.eu/knowledge-hub/iab-europe-guide-to-the-post-third-party-cookie-era/
107. GDPR vs ФЗ-152. https://vc.ru/flood/42581-gdpr-vs-fz-152
108. This Article Is Spying on You. https://www.nytimes.com/2019/09/18/opinion/data-privacy-tracking.html
109. Functionalism: A New Approach to Web Analytics. https://www.dropbox.com/s/a75hmjzekf006ia/wpaper_005.pdf?dl=0
110. Артур М. Хьюс. «Маркетинг на основе баз данных».
111. «Как Денис Крючков выкупил Хабр у Mail.ru». https://habr.com/ru/company/roem/blog/193488/
112. Two Decades of Recommender Systems at Amazon.com. https://www.amazon.science/publications/two-decades-of-recommender-systems-at-amazon-com
113. Item-to-Item Collaborative Filtering, Greg Linden, Brent Smith, and Jeremy York. https://www.dropbox.com/s/dctxbv8dk8wrsmw/Amazon-Recommendations.pdf?dl=0
114. How to use Merchandising eVars in Adobe Analytics. https://dmpg.co.uk/how-to-use-merchandising-evars-in-adobe-analytics-product-modules
115. Роман Зыков. «Итоги запуска системы рекомендаций на Ozon.ru». https://www.dropbox.com/s/68kixkhk5yqjwve/kibrzykov24thapr2009.pdf?dl=0
116. Стартап RetailRocket – сервис для рекомендации товаров в интернет-магазинах. https://vc.ru/story/1285-retailrocket-ecommerce
117. Шпаргалка методов машинного обучения. https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html
Интервал:
Закладка:
