MARC

 008250204s2023        enk          sb        001  0  eng
■001on1395183422
■003OCoLC
■00520241209213018.0
■006m                d                
■007cr  cnu---unuuu
■019    ▼a1390966460▼a1423377676▼a1443998705▼a1461819794
■020    ▼a9781835087947▼qelectronic  book
■020    ▼a1835087949▼qelectronic  book
■020    ▼z1835083501
■020    ▼z9781835083505
■035    ▼a3651307▼b(N$T)
■035    ▼a(OCoLC)1395183422▼z(OCoLC)1390966460▼z(OCoLC)1423377676▼z(OCoLC)1443998705▼z(OCoLC)1461819794
■040    ▼aEBLCP▼beng▼erda▼cEBLCP▼dYDX▼dOCLCQ▼dN$T▼dOCLCO▼dUKAHL▼dORMDA▼dOCLCF▼dOCLCO▼dCQ$▼dDXU▼dYDX
■049    ▼aMAIN
■050  4▼aQ336▼b.S36  2023
■08204▼a006.3▼223/eng/20230907
■090    ▼a전자자료
■1001  ▼aSchmarzo,  Bill▼eauthor.
■24510▼aAI  &  data  literacy  :▼bempowering  citizens  of  data  science  ▼h[electronic  resources]/▼cBill  Schmarzo.
■2463  ▼aAI  and  data  literacy
■260    ▼aBirmingham▼bPackt  Publishing,  Ltd▼c2023.
■300    ▼a1  online  resource  (239  pages)
■336    ▼atext▼btxt▼2rdacontent
■337    ▼acomputer▼bc▼2rdamedia
■338    ▼aonline  resource▼bcr▼2rdacarrier
■500    ▼aInflection  points
■504    ▼aIncludes  bibliographical  references  and  index.
■5050  ▼aCover  --  Copyright  --  Endorsements  --  Contributor  --  Table  of  Contents  --  Preface  --  Chapter  01:  Why  AI  and  Data  Literacy?  --  History  of  literacy  --  Understanding  AI  --  Dangers  and  risks  of  AI  --  AI  Bill  of  Rights  --  Data  +  AI:  Weapons  of  math  destruction  --  Importance  of  AI  and  data  literacy  --  What  is  ethics?  --  Addressing  AI  and  data  literacy  challenges  --  The  AI  and  Data  Literacy  Framework  --  Assessing  your  AI  and  data  literacy  --  Summary  --  References  --  Chapter  02:  Data  and  Privacy  Awareness  --  Understanding  data  --  What  is  big  data?  --  What  is  synthetic  data?
■5058  ▼aHow  is  data  collected/captured?  --  Sensors,  surveillance,  and  IoT  --  Third-party  data  aggregators  --  Understanding  data  privacy  efforts  and  their  efficacy  --  Data  privacy  ramifications  --  Data  privacy  statements  --  How  organizations  monetize  your  personal  data  --  Summary  --  References  --  Chapter  03:  Analytics  Literacy  --  BI  vs.  data  science  --  What  is  BI?  --  What  is  data  science?  --  The  differences  between  BI  and  data  science  --  Understanding  the  data  science  development  process  --  The  critical  role  of  design  thinking  --  Navigating  the  analytics  maturity  index  --  Level  1:  Operational  reporting
■5058  ▼aLevel  2:  Insights  and  foresight  --  Statistical  analytics  --  Exploratory  analytics  --  Diagnostic  analytics  --  Machine  learning  --  Level  3:  Augmented  human  intelligence  --  Neural  networks  --  Regression  analysis  --  Recommendation  engines  --  Federated  learning  --  Level  4:  Autonomous  analytics  --  Reinforcement  learning  --  Generative  AI  --  Artificial  General  Intelligence  --  Summary  --  Chapter  04:  Understanding  How  AI  Works  --  How  does  AI  work?  --  What  constitutes  a  healthy  AI  utility  function?  --  Defining  "value"  --  Understanding  leading  vs.  lagging  indicators
■5058  ▼aHow  to  optimize  AI-based  learning  systems  --  Understand  user  intent  --  Build  diversity  --  Summary  --  Chapter  05:  Making  Informed  Decisions  --  Factors  influencing  human  decisions  --  Human  decision-making  traps  --  Trap  #1:  Over-confidence  bias  --  Trap  #2:  Anchoring  bias  --  Trap  #3:  Risk  aversion  --  Trap  #4:  Sunk  costs  --  Trap  #5:  Framing  --  Trap  #6:  Bandwagon  effect  --  Trap  #7:  Confirmation  bias  --  Trap  #8:  Decisions  based  on  averages  --  Avoiding  decision-making  traps  --  Exploring  decision-making  strategies  --  Informed  decision-making  framework  --  Decision  matrix  --  Pugh  decision  matrix
■5058  ▼aOODA  loop  --  Critical  thinking  in  decision  making  --  Summary  --  References  --  Chapter  06:  Prediction  and  Statistics  --  What  is  prediction?  --  Understanding  probabilities  and  statistics  --  Probabilities  are  still  just  probabilities,  not  facts  --  Introducing  the  confusion  matrix  --  False  positives,  false  negatives,  and  AI  model  confirmation  bias  --  Real-world  use  case:  AI  in  the  world  of  job  applicants  --  Summary  --  References  --  Chapter  07:  Value  Engineering  Competency  --  What  is  economics?  What  is  value?  --  What  is  nanoeconomics?  --  Data  and  AI  Analytics  Business  Model  Maturity  Index  --  Stages
■520    ▼aLearn  the  key  skills  and  capabilities  that  empower  Citizens  of  Data  Science  to  not  only  survive  but  thrive  in  an  AI-dominated  world.  Purchase  of  the  print  or  Kindle  book  includes  a  free  PDF  eBook  Key  Features  Prepare  for  a  future  dominated  by  AI  and  big  data  Enhance  your  AI  and  data  literacy  with  real-world  examples  Learn  how  to  leverage  AI  and  data  to  address  current  and  future  challenges  Book  Description  AI  is  undoubtedly  a  game-changing  tool  with  immense  potential  to  improve  human  life.  This  book  aims  to  empower  you  as  a  Citizen  of  Data  Science,  covering  the  privacy,  ethics,  and  theoretical  concepts  you'll  need  to  exploit  to  thrive  amid  the  current  and  future  developments  in  the  AI  landscape.  We'll  explore  AI's  inner  workings,  user  intent,  and  the  critical  role  of  the  AI  utility  function  while  also  briefly  touching  on  statistics  and  prediction  to  build  decision  models  that  leverage  AI  and  data  for  highly  informed,  more  accurate,  and  less  risky  decisions.  Additionally,  we'll  discuss  how  organizations  of  all  sizes  can  leverage  AI  and  data  to  engineer  or  create  value.  We'll  establish  why  economies  of  learning  are  more  powerful  than  the  economies  of  scale  in  a  digital-centric  world.  Ethics  and  personal/organizational  empowerment  in  the  context  of  AI  will  also  be  addressed.  Lastly,  we'll  delve  into  ChatGPT  and  the  role  of  Large  Language  Models  (LLMs),  preparing  you  for  the  growing  importance  of  Generative  AI.  By  the  end  of  the  book,  you'll  have  a  deeper  understanding  of  AI  and  how  best  to  leverage  it  and  thrive  alongside  it.  What  you  will  learn  Get  to  know  the  fundamentals  of  data  literacy,  privacy,  and  analytics  Find  out  what  makes  AI  tick  and  the  role  of  the  AI  utility  function  Make  informed  decisions  using  prominent  decision-making  frameworks  Understand  relevant  statistics  and  probability  concepts  Create  new  sources  of  value  by  leveraging  and  applying  AI  and  data  Apply  ethical  parameters  to  AI  development  with  real-world  examples  Find  out  how  to  get  the  most  out  of  ChatGPT  and  its  peers  Who  this  book  is  for  This  book  is  designed  to  benefit  everyone  from  students  to  established  business  leaders  and  professionals  who  want  to  learn  how  to  leverage  data  and  analytics  to  accelerate  their  AI  and  Data  literacy.
■588    ▼aDescription  based  on  online  resource;  title  from  digital  title  page  (viewed  on  December  09,  2024).
■590    ▼aWorldCat  record  variable  field(s)  change:  050
■650  0▼aArtificial  intelligence.
■650  0▼aBig  data.
■650  0▼aInformation  literacy.
■650  6▼aIntelligence  artificielle.
■650  6▼aDonnées  volumineuses.
■650  6▼aCulture  de  l'information.
■650  7▼aartificial  intelligence.▼2aat
■650  7▼aArtificial  intelligence▼2fast
■650  7▼aBig  data▼2fast
■650  7▼aInformation  literacy▼2fast
■77608▼iPrint  version▼aSchmarzo,  Bill▼tAI  and  Data  Literacy▼dBirmingham  :  Packt  Publishing,  Limited,c2023
■85640▼3EBSCOhost▼uhttps://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=3651307
■938    ▼aEBSCOhost▼bEBSC▼n3651307
■994    ▼a92▼bN$T

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서