Искусство смешанных моделей: строительные блоки междисциплинарного моделирования данных на русском

В 1993 году Ultimate Fighting Championship разрешил давний спор.

Каждое боевое искусство утверждало, что знает ответ. Затем последователи разных дисциплин начали напрямую соревноваться друг с другом.

Ни один стиль сам по себе не давал ответов на все вопросы.

Бойцы, которые в итоге стали доминировать, осваивали различные дисциплины и использовали то, что работало.

Моделирование данных переживает свой звездный час в UFC.

На протяжении десятилетий моделирование данных эволюционировало в пять основных направлений: реляционное, аналитическое, прикладное, машинное обучение/искусственный интеллект и моделирование на основе знаний. Каждое из них разработало мощные методы для решения поставленных задач. Каждое также выработало свой собственный словарь, предположения и «слепые зоны». Тем временем данные реального мира перестали соответствовать этим границам и двинулись дальше.

Ваш каталог товаров хранится в формате JSON. Ваша аналитическая панель не согласуется с вашей системой рекомендаций. Ваш граф знаний описывает концепции, которые ваша операционная база данных представляет по-разному. Теперь агенты ИИ считывают данные из документов, метрик, метаданных, встраиваний и операционных систем.

Ни один лагерь не обладает всеми ответами.

Представляем вам проект «Искусство смешанных моделей» .

Книга «Искусство смешанных моделей», написанная Джо Рейсом, соавтором книги « Основы инженерии данных» , предлагает прагматичный подход к современному моделированию данных: учитесь у каждой традиции, понимайте лежащие в их основе фундаментальные концепции и применяйте методы, подходящие для решения конкретной задачи.

Книга содержит предисловие Билла Инмона, отца хранилищ данных.

Внутри вы узнаете, как:

• Работа в пяти направлениях моделирования данных: реляционные данные, аналитические данные, прикладные данные, машинное обучение/искусственный интеллект и данные из базы знаний.
• Смоделируйте пять типов данных: структурированные, полуструктурированные, метаданные, неструктурированные и артефакты машинного обучения/искусственного интеллекта.
• Используйте концепции, охватывающие все формы: сущности, идентификаторы, атрибуты, отношения, детализация, время и смысл.
• Понимание зернистости: одна из важнейших (и наиболее часто неправильно понимаемых) концепций в моделировании данных.
• Моделирование данных для систем и агентов искусственного интеллекта: чтобы машины могли работать с данными в контексте, а не просто извлекать их.
• Моделируйте сам бизнес: вместо того, чтобы просто воспроизводить исходные системы.
• Ориентироваться в организационной реальности: включая стимулы, политику и сбои в коммуникации, которые срывают усилия по моделированию.

Для кого предназначена эта книга?

• Инженеры по обработке данных и аналитике пытаются понять унаследованные схемы, которые никто не может объяснить.
• Разработчики бэкенда проектируют структуры данных, которые должны сохраниться и после выхода следующей функции.
• Архитекторы и инженеры создают общую структуру для всех команд и систем.
• Лидеры в области данных сталкиваются с системами, которые расходятся во мнениях по одному и тому же вопросу бизнеса.
• Специалисты по машинному обучению и искусственному интеллекту обнаруживают, что многие проблемы ИИ на самом деле являются проблемами данных.

В книге мало кода, зато много логических рассуждений. Читайте её от начала до конца или, в зависимости от ваших потребностей, следуйте инструкциям в начале книги.

Каждая глава заканчивается упражнением «Попробуйте это», потому что моделирование — это то, что нужно практиковать, а не то, что нужно запоминать.

Искусство смешанных моделей: Книга первая

Настоящая работа происходит в спортзале.