Spis treści
Spis rysunków . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bonus dla Czytelników . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Podziękowania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
XIII
Wstęp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
IX XII
Cześć I „O co w tym chodzi?” Najważniejsze zasady Data Science
01
02
specjalista.indd 5
Dokąd zmierzamy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Przyszłość to dane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Hamowanie postępu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 5 5
Definicja danych . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dane są wszędzie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wielkość (danych) ma znaczenie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Przechowywanie i przetwarzanie danych . . . . . . . . . . . . . . . . . . . . . . . Dane mają moc tworzenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Użycie danych . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dlaczego właśnie teraz dane stały się ważne . . . . . . . . . . . . . . . . . . . . . Martwienie się nic nie da . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7 8 9 11 13 15 16 18 21
Jak dane spełniają nasze potrzeby . . . . . . . . . . . . . . . . . . . . . . Wszechobecność danych . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Data Science a potrzeby fizjologiczne . . . . . . . . . . . . . . . . . . . . . . . . . . Data Science a potrzeby bezpieczeństwa . . . . . . . . . . . . . . . . . . . . . . . . Data Science a potrzeby przynależności i miłości . . . . . . . . . . . . . . . . . Data Science a samorealizacja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Data Science a samodoskonalenie . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kilka słów podsumowania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22 22 23 25 28 32 32 33 34
11.01.2021 13:40