O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.
Data ScienceWarsaw 
Inaugural Meetup
About Me 
Agnieszka Zdebiak 
@AZdebiak 
Agnieszka.Zdebiak@datasci.eu 
15 years experience 
software designer 
data scienti...
Data scientist Why now?
Data scientist Why now?
Data Scientist definition
Data Scientist definition
Data Scientist definition
There’s More Than One Kind of Data Scientist 
Data Businesspeople 
Data Creatives 
Data Developers 
Data Researchers
There’s More Than One Kind of Data Scientist 
Source: 
Analyzing the Analyzers: An Introspective Survey of Data Scientists...
There’s More Than One Kind of Data Scientist 
Source: 
Doing Data Science
BI vs Data Science 
BUSINESS INTELLIGENCE 
Rozumowanie dedukcyjne 
Tworzenie przekrojów i kostek danych 
Przechowywanie da...
Do czego Data Science można wykorzystać? 
Do badań i odkryć
Do czego Data Science można wykorzystać? 
Do badań i odkryć 
(analizy przyczyn, wykrywania oszustw)
Do czego Data Science można wykorzystać? 
Do badań i odkryć 
prognozowania 
(analizy przyczyn, wykrywania oszustw) 
(sprze...
Do czego Data Science można wykorzystać? 
Do badań i odkryć 
prognozowania 
znajdowania wzorców 
(analizy przyczyn, wykryw...
Do czego Data Science można wykorzystać? 
Do badań i odkryć 
prognozowania 
znajdowania wzorców 
do optymalizacji decyzji ...
Do czego Data Science można wykorzystać? 
Do badań i odkryć 
prognozowania 
znajdowania wzorców 
do optymalizacji decyzji ...
Do czego Data Science można wykorzystać? 
Do badań i odkryć 
prognozowania 
znajdowania wzorców 
do optymalizacji decyzji ...
Przykład
Use Cases z obszaru ubezpieczeń
Visualisation - Use Case 
Source: Dataclysm – Who We Are*
Przykład 
T - Mobile USA zmniejszył wysokość odejść o 50% w ciągu jednego kwartału
Przykład 
analiza płatności 
analiza połączeń 
 analiza nastrojów 
T - Mobile USA zmniejszył wysokość odejść o 50% w ci...
Przykład 
The tasks are computed using a massive parallel processing system with multiple low-cost microprocessors, giving...
Przykład 
This allows Aurora to look differently at the data, as well as to change the analytics from looking at individua...
Przykład 
Using all available data and near real-time data analytics, Aurora can predict and improve patient treatments an...
How to become a Data Scientist 
Source: blog.datacamp.com
How to become a Data Scientist 
Source: blog.datacamp.com
How to become a Data Scientist 
Source: blog.datacamp.com
How to become a Data Scientist 
Source: blog.datacamp.com
How to become a Data Scientist 
Source: blog.datacamp.com
How to become a Data Scientist 
Source: blog.datacamp.com
How to become a Data Scientist 
Source: blog.datacamp.com
How to become a Data Scientist 
http://www.kdnuggets.com/webcasts/index.html
How to become a Data Scientist
Let`s talk 
@AZdebiak 
Agnieszka.Zdebiak@datasci.eu 
Data Scientist and Big Data 
DataSci.EU
Salary trend
Salary trend 
Source: http://www.itjobswatch.co.uk
Przydatne źródła 
Prezentacja o 
Technologiach Semantycznych: 
http://www.cognitum.eu/offers/semtechen.aspx http://www.cog...
Data science warsaw   inaugural meetup
Data science warsaw   inaugural meetup
Próximos SlideShares
Carregando em…5
×

Data science warsaw inaugural meetup

1.273 visualizações

Publicada em

Data science warsaw inaugural meetup

Publicada em: Dados e análise
  • Seja o primeiro a comentar

Data science warsaw inaugural meetup

  1. 1. Data ScienceWarsaw Inaugural Meetup
  2. 2. About Me Agnieszka Zdebiak @AZdebiak Agnieszka.Zdebiak@datasci.eu 15 years experience software designer data scientist DataSci.EU
  3. 3. Data scientist Why now?
  4. 4. Data scientist Why now?
  5. 5. Data Scientist definition
  6. 6. Data Scientist definition
  7. 7. Data Scientist definition
  8. 8. There’s More Than One Kind of Data Scientist Data Businesspeople Data Creatives Data Developers Data Researchers
  9. 9. There’s More Than One Kind of Data Scientist Source: Analyzing the Analyzers: An Introspective Survey of Data Scientists and their Work
  10. 10. There’s More Than One Kind of Data Scientist Source: Doing Data Science
  11. 11. BI vs Data Science BUSINESS INTELLIGENCE Rozumowanie dedukcyjne Tworzenie przekrojów i kostek danych Przechowywanie danych Analizowanie przeszłości Tworzenie raportów DATA SCIENCE Rozumowanie indukcyjne i dedukcyjne Interakcja z danymi Dane również Real Time Prognozowanie Produkty opartych na analizie danych Odpowiedzi na pytania i tworzenie nowych
  12. 12. Do czego Data Science można wykorzystać? Do badań i odkryć
  13. 13. Do czego Data Science można wykorzystać? Do badań i odkryć (analizy przyczyn, wykrywania oszustw)
  14. 14. Do czego Data Science można wykorzystać? Do badań i odkryć prognozowania (analizy przyczyn, wykrywania oszustw) (sprzedaży, trendy i prognozy finansowe, pogoda)
  15. 15. Do czego Data Science można wykorzystać? Do badań i odkryć prognozowania znajdowania wzorców (analizy przyczyn, wykrywania oszustw) (sprzedaży, trendy i prognozy finansowe, pogoda) (zachowania klientów, giełda, wykrywania oszustw)
  16. 16. Do czego Data Science można wykorzystać? Do badań i odkryć prognozowania znajdowania wzorców do optymalizacji decyzji i procesów (analizy przyczyn, wykrywania oszustw) (sprzedaży, trendy i prognozy finansowe, pogoda) (zachowania klientów, giełda, wykrywania oszustw) (badania działań operacyjnych)
  17. 17. Do czego Data Science można wykorzystać? Do badań i odkryć prognozowania znajdowania wzorców do optymalizacji decyzji i procesów zapewnienia jakości (analizy przyczyn, wykrywania oszustw) (sprzedaży, trendy i prognozy finansowe, pogoda) (zachowania klientów, giełda, wykrywania oszustw) (badania działań operacyjnych) (badanie logów, przewidywanie awarii)
  18. 18. Do czego Data Science można wykorzystać? Do badań i odkryć prognozowania znajdowania wzorców do optymalizacji decyzji i procesów zapewnienia jakości komunikacja machine-to-machine (analizy przyczyn, wykrywania oszustw) (sprzedaży, trendy i prognozy finansowe, pogoda) (zachowania klientów, giełda, wykrywania oszustw) (badania działań operacyjnych) (badanie logów, przewidywanie awarii) (zautomatyzowane systemy przetargowe, kierowanie pojazdami bez udziału człowieka)
  19. 19. Przykład
  20. 20. Use Cases z obszaru ubezpieczeń
  21. 21. Visualisation - Use Case Source: Dataclysm – Who We Are*
  22. 22. Przykład T - Mobile USA zmniejszył wysokość odejść o 50% w ciągu jednego kwartału
  23. 23. Przykład analiza płatności analiza połączeń  analiza nastrojów T - Mobile USA zmniejszył wysokość odejść o 50% w ciągu jednego kwartału
  24. 24. Przykład The tasks are computed using a massive parallel processing system with multiple low-cost microprocessors, giving it 20 to 30 times more computing power than a traditional data warehouse. Hybrydowy BI Aurora Health Care
  25. 25. Przykład This allows Aurora to look differently at the data, as well as to change the analytics from looking at individual patients to groups of patients who have the same diseases, such as diabetes or heart failure. Hybrydowy BI Aurora Health Care
  26. 26. Przykład Using all available data and near real-time data analytics, Aurora can predict and improve patient treatments and outcomes. Using the different data streams, Aurora has decreased patient readmissions by 10 percent, which translates into a total saving of $ 6 million. Hybrydowy BI Aurora Health Care
  27. 27. How to become a Data Scientist Source: blog.datacamp.com
  28. 28. How to become a Data Scientist Source: blog.datacamp.com
  29. 29. How to become a Data Scientist Source: blog.datacamp.com
  30. 30. How to become a Data Scientist Source: blog.datacamp.com
  31. 31. How to become a Data Scientist Source: blog.datacamp.com
  32. 32. How to become a Data Scientist Source: blog.datacamp.com
  33. 33. How to become a Data Scientist Source: blog.datacamp.com
  34. 34. How to become a Data Scientist http://www.kdnuggets.com/webcasts/index.html
  35. 35. How to become a Data Scientist
  36. 36. Let`s talk @AZdebiak Agnieszka.Zdebiak@datasci.eu Data Scientist and Big Data DataSci.EU
  37. 37. Salary trend
  38. 38. Salary trend Source: http://www.itjobswatch.co.uk
  39. 39. Przydatne źródła Prezentacja o Technologiach Semantycznych: http://www.cognitum.eu/offers/semtechen.aspx http://www.cognitum.eu/offers/SemTechPL.aspx

×