در ادامه چه می خوانیم؟ خوب در ابتدا، ما یاد می گیریم که چه طور از پایتون در تحلیل داده ها استفاده کنیم (که کمی با حال تر و کمی هم سخت تر، در مقایسه با استفاده کردن از برنامه مایکروسافت اکسل است).
بعد یادم می گیریم که چه طور ذهنیت و طرز تفکر یک تحلیل گر داده را داشته باشیم (محاسباتی فکر کردن)
اما مهم تر از همه یاد می گیریم که پایتون و یادگیری ماشین چگونه در برابر مسائل دنیای واقعی عمل می کنند (در تجارت، علم، تحقیقات بازاریابی، تکنولوژی، تولید، خرده فروشی و مسائل مالی).
ما چندین مثال در رابطه با این که چه طور با روش های مدرن تحلیل داده به طوری که متناسب با رویکرد و حل مشکلات مدرن باشند ارائه می کنیم.
این از آن جهت مهم است که با هجوم گسترده داده ها فرصت های بیشتری در اختیار ما قرار می گیرد برای به دست آوردن اطلاعات و تأثیر گذاری، تقریباً در هر زمینه ای که ممکن باشد. این پدیده همچنین چالش های جدیدی را هم فراهم می کند که نیازمند فناوری ها و رویکردهای جدیدی است. در نتیجه، این نیز به مهارت ها و ذهنیت های جدید نیاز دارد تا با موفقیت از پس مشکلات بربیاییم و با موفقیت به پتانسیل نهایی خود برسیم.
این زمان، چیزی مثل به دست آوردن "جذاب ترین شغل های قرن ۲۱" را فراموش کنید (تحلیل گری داده، یادگیری ماشین، یادگیری درباره مهندسی و ....). ترس از این که هوش مصنوعی کل شغل های انسان ها را گرفته و بر این که بر انسانیت چیره خواهد شد را فراموش کنید. این راجع به یاد گرفتن (به معنای واقعی کلمه) و حل کردن مشکلات دنیای واقعی هست.