کتاب واژه نامه علم داده ها

در کتاب «واژه‌نامه علم داده‌ها» امیره نیکخواه با استناد به منابع مختلف و معتبر به تعریف واژه‌های پرکاربرد علوم داده می‌پردازد. این کتاب در انتشارات لیلاز به چاپ رسیده است. تقاضا برای استخدام متخصصان خبره در زمینه‌های مختلف کار با داده‌ها، تجزیه‌وتحلیل داده‌ها و یادگیری ماشین به‌شدت رو به گسترش است. عالمان داده قادر به رفع چالش‌های پیچیده هستند و فرایندهای تصمیم‌گیری مهم را در اختیار دارند؛ با کمک آنها مدیران ارشد می‌توانند آگاهانه‌تر تصمیم گرفته و موفق‌تر عمل کنند.

درباره کتاب واژه‌نامه علم داده‌ها

کتاب‌های متعددی به‌ویژه در سال‌های اخیر هر یک به جنبه یا جوانبی از علم داده‌ها پرداخته اند. از سوی دیگر علوم مرتبط با داده با سرعت زیادی در حال گسترش هستند که تسلط و فراگیری همه آنها برای یک فرد تقریباً غیرممکن است و برای ورود به حوزه تخصصی، باید شاخه یا شاخه‌های معدودی را انتخاب کرد. در مطالعه هر یک از متون با انبوهی از اصطلاحات مواجه می‌شویم که اگر هریک را در اینترنت جستجوکنیم با انبوهی از اطلاعات مرتبط دیگر مواجه می‌شویم. بنابراین گردآوردن منبع جامعی از اصطلاحات و واژه‌ها یعنی چیزی شبیه دایره المعارف، هم تخصص جامعی می‌طلبد و هم سرعت رشد علم داده‌ها به حدی ست که به روزآوری چنین منبعی طاقت فرسا بوده یا خارج از عهده یک فرد می‌باشد. بنابراین برای علاقه مندان تازه وارد به حوزه علم داده‌ها، واژه‌های پرکاربرد در این کتاب گردآوری شده است. همانطور که از عنوان کتاب پیداست، این کتاب تنها واژه‌نامه است بنابراین منبع آموزشی برای ورود به مبحث علم داده‌ها نیست اما امید است در کنار منابع آموزشی این حوزه بتواند ابزار کمکی خوبی برای یادگیری باشد. در این کتاب سعی شده هر واژه باتوجه‌به تعاریف آن در منابع متعدد در حد یک یا چند پاراگراف کوتاه توضیح داده شود. تاکید می‌کنم که این واژه‌نامه کامل نیست، امید است اگر مورد استقبال واقع شود، به یاری خداوند عالم مطلق، در ویرایش‌های آینده مجموعه‌ای کامل‌تر تقدیم گردد.

علم داده‌ها مانند چتری همه حوزه‌های داده مانند تجزیه‌وتحلیل داده‌ها، آمار، داده کاوی، یادگیری ماشین و غیره را در برمی گیرد، بنابراین روشهای متعددی برای فهرست کردن اصطلاحات آن وجود دارد. در این کتاب، اصطلاحات علوم داده در فصلهای جداگانه‌ای دسته بندی شده اند:

- داده‌ها و علم داده‌ها

- ابزارها و اصطلاحات علم داده‌ها

- ابزارها و اصطلاحات آماری

- ابزارها و اصطلاحات یادگیری ماشین

آمار و یادگیری ماشین نیز در زیر چتر علم داده قرار می‌گیرند اما به دلیل وسعت اصطلاحات این دو مبحث، فصل جداگانه‌ای برای هر یک در نظر گرفته شده است.

کتاب واژه‌نامه علم داده‌ها را به چه کسانی پیشنهاد می‌کنیم

این کتاب برای همهٔ علاقه‌مندان به علم داده و به‌ویژه افرادی مفید است که نیاز به واژه‌نامه‌ای برای مطالعهٔ آسان‌تر کتاب‌های زبان اصلی دارند. برای سایرین نیز به‌عنوان یک واژه‌نامه سودمند است چرا که اصطلاحات پرکاربرد را گرد هم دارد.

بخشی از کتاب واژه‌نامه علم داده‌ها

بیش برازش و کم برازش در یادگیری ماشین، هنگامی که مدل بسیار پیچیده باشد، بیش برازش رخ می‌دهد. به عبارت یا اختلال داده‌های ۱۴۱ دیگر مدل بر روی نویزها برازش می‌یابد. مدل در چنین حالتی، نویز آموزشی را جذب کرده و خوب عمل می‌کند. بااین‌حال، هنگامی که همان مدل برای آزمایش بر روی مجموعه‌داده‌های دیگری مورداستفاده قرار گیرد، مدل ضعیف‌تر عمل کرده و با اشتباهات بزرگی همراه می‌شود. مدل‌های بیش برازش معمولاً واریانس زیادی دارند. از سوی دیگر زمانی برای یک مدل آماری یا یک الگوریتم یادگیری ماشین، حالت کم برازش پیش می‌آید که شیب اصلی داده‌ها شناخته نشود. کم برازش دقت هر مدل یادگیری ماشین را بسیار محدود کرده یا به آن خاتمه می‌دهد. وقوع آن بیان می‌کند که مدل یا الگوریتم به طور مناسب داده‌ها را تعریف نمی‌کند. کم برازش به دلیل کمبود داده رخ می‌دهد.