В процессе работы с разными по качеству и по содержанию данными, часто сталкиваешься с необходимостью принимать решение о возможности использования тех или иных наборов данных. Проблемы «плохих» данных встают на пути многих AI-проектов, а также имеют серьезную возможность значительно усложнить даже повседневные задачи. Далее сформулированы вопросы, которые помогают понять, что дальше делать с этими данными.

Как-то знакомый задал мне вопрос: «Ты рассказываешь о Data analytics, Big Data. А как часто в своей работе ты их непосредственно используешь?» Всё это хорошо, но бывают ситуации, когда нужно «здесь и сейчас» построить аналитику, не прибегая к программированию и задействованию «центральных серверов офиса в Сколково». Чтобы обработать уж полученную выборку, предлагаю использовать Excel

Довольно часто при работе с большими объёмами данных, возникает необходимость в быстром поиске информации

Как исследовать процесс с помощью Process mining, когда у тебя нет журнала событий? Рассмотрим возможность сформировать логи из данных, не являющихся событиями

С аудитом чат-ботов разобрались, сейчас речь пойдет об организации контроля за действиями пользователей на экземпляре СУБД MS SQL на примере штатных средств от Microsoft. Разберем особенности настройки и пример реализации.

Большинство компаний активно используют чат-боты для работы с клиентами. Однако, польза от внедрения чат-бота часто варьируется: в одних компаниях уровень автоматизации достигает 90%, в других компаниях он составляет лишь 30-40%. От чего это зависит? Насколько хорош этот показатель для бизнеса? Есть ли способы повысить уровень автоматизации чат-бота?

Что делать, если вы – адепт .Net, которому приходится заниматься анализом данных? Некоторые задачи рашаются с использованием уже готовых фреймворков, но некоторый функционал в этих библиотеках отсутствует. Тогда можно интегрировать готовый код на Python в свои .Net-приложения. Как это сделать, а также о возможности чуть проще привыкнуть к новому языку далее