Data Science: The Hard Parts. Techniques for Excelling at Data Science

Эта практическая книга предлагает набор методов и лучших практик, которые часто упускаются в традиционном образовании по data engineering и data science. Автор развенчивает миф о том, что выдающиеся специалисты по данным — это просто эксперты в машинном обучении и программировании. Настоящее мастерство проявляется в нюансах: способности создавать реальную ценность для бизнеса, проектировать действенные метрики и доносить убедительные нарративы до стейкхолдеров.

Книга охватывает ключевые аспекты, которые отличают среднего кандидата в data science от исключительного практикующего специалиста. Среди тем: обеспечение ценности рабочего процесса data science, проектирование своевременных и релевантных метрик, использование симуляций для проверки применимости ML-алгоритмов, а также идентификация и предотвращение утечек данных.

Особое внимание уделяется оценке причинно-следственных эффектов и пониманию инкрементальности — критически важным навыкам для принятия решений на основе данных. Автор, имеющий более 15 лет опыта в машинном обучении и руководстве командами, делится техниками, которые применял для создания ценности в различных компаниях и отраслях, от финтеха до эпидемиологии.

Издание служит «недостающим руководством» по коммерческому успеху в data science, соединяя технические аспекты с бизнес-контекстом. Книга будет полеexperienced data scientists, руководителям команд и всем, кто стремится перейти от выполнения технических задач к реальному влиянию на бизнес-результаты.