JakuBig Data is like a teenage sex

2,649 views

Published on

Jakub Dąbkowski – NetResearch – Big Data is like a teenage sex

Published in: Data & Analytics
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
2,649
On SlideShare
0
From Embeds
0
Number of Embeds
97
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

JakuBig Data is like a teenage sex

  1. 1. B I G D ATA I S L I K E A T E E N A G E S E X N E T R E S E A R C H
  2. 2. B I G D ATA I S L I K E A T E E N A G E S E X N E T R E S E A R C H
  3. 3. B I G D ATA I S L I K E A T E E N A G E S E X • everyone talks about it • nobody really knows how to do this • everyone thinks everyone else is doing it • so everyone claims they are doing it...
  4. 4. T E O R I A C H A O S U F I Z Y K A T E O R E T Y C Z N A
  5. 5. A L E … U M I A Ł E M R O Z M A W I A Ć Z I N N Y M I Z O S TA Ł E M P R O G R A M I S TĄ
  6. 6. I R O B I Ł E M “ N I C ” Z O S TA Ł E M P M
  7. 7. M A R K E T I N G I S P R Z E D A Ż P O Z N A Ł E M C O T O J E S T
  8. 8. N E T R E S E A R C H . P L D A TA B U S I N E S S P E R S O N
  9. 9. P R E D Y C K J E C Z Y L I P R Z E W I D Y WA N I E N A S Z B I Z N E S T O
  10. 10. – N I E L S B O H R “Przewidywanie jest bardzo trudne, szczególnie jeśli chodzi o przyszłość.”
  11. 11. O P I S O WA S TAT Y S T Y K A - K O N W E R S J A 1 0 %
  12. 12. P R E D Y K C J A
  13. 13. P R E D Y K C J A 60% 70% 55% 96%80% 80% 77% 51% 73% 99%
  14. 14. P R E D Y K C J A 60% 70% 55% 96% 80% 80% 77% 51% 73% 99%
  15. 15. U N I K A L N I I N I E P R Z E W I D Y WA L N I M Y Ś L I M Y O S O B I E Ż E J E S T E Ś M Y
  16. 16. Z A C H O W U J E M Y S I Ę Z G O D N I E Z E S C H E M AT E M A L E J A K O C A Ł E S TA D O
  17. 17. P O M Y Ś L O A F T E R PA R T Y B L I Ż E J N A S
  18. 18. O B S E R W U J E M Y K A Ż D E G O Z O S O B N A
  19. 19. Z M I E N N Y C H O P I S U J E M Y K A Ż D Ą O S O B Ę Z A P O M O C Ą
  20. 20. O P I S U J E M Y Z A C H O WA N I E
  21. 21. Z M I E N N E K T Ó R E S Ą O C Z Y W I S T E • wiek • płeć • wzrost • start-up: {tak, nie} • czas dojścia do jedzenia • godzina
  22. 22. Z B I E R A M Y D A N E
  23. 23. P Y TA N I A , K T Ó R E T R Z E B A S O B I E Z A D A Ć • jak szybko dane dochodzą • ile ich będzie • jak będą przerabiane • co potem jeszcze będziemy z nimi robić • co zespół potrafi z tym wszystkim zrobić
  24. 24. O P R O G R A M O WA Ć N O TA K A L E T O W S Z Y S T K O T R Z E B A J E S Z C Z E
  25. 25. C Z Y T O C I C O Ś M Ó W I ? K O N K U R S
  26. 26. P R Z E W I D Y WA L N I E N A G L E O K A Z U J E S I Ę Ż E Z A C H O W U J E M Y S I Ę
  27. 27. B U D U J E M Y M O D E L
  28. 28. K N N L U B I S Z S Ą S I A D Ó W
  29. 29. D R Z E WA D E C Y Z Y J N E A M O Ż E L U B I S Z D R Z E WA
  30. 30. N A I V E B AY E S L U B I S Z P R A W D O P O D O B I E Ń S T W O
  31. 31. S V M L U B I S Z D U Ż Ą L I C Z B Ę W Y M I A R Ó W
  32. 32. S I E C I N E U R O N O W E J A K L U B I S Z B L A C K B O X T O M O Ż E
  33. 33. U C Z Y M Y M O D E L
  34. 34. S P R A W D Z A M Y C Z Y M O D E L J U Ż S I Ę N A U C Z Y Ł
  35. 35. Z R O Z U M P R O C E S W H A T W O U L D R I C H A R D F E Y N M A N D O ?
  36. 36. A T E R A Z
  37. 37. P R O B L E M B I Z N E S O W Y J A K O T Y M M Y Ś L E Ć ? M AT H I T R O Z W I Ą Z A N I E
  38. 38. P O D S TA WA T O Z E S P Ó Ł
  39. 39. Niech epsilon będzie mniejsze od zera
  40. 40. Wchodzi, twierdzenie do baru i prosi o piwo, Barman - Proszę o dowód. " Twierdzenie - Ja jestem lemat
  41. 41. Żeby zrozumieć rekurencje, trzeba zrozumieć rekurencje
  42. 42. Co mówią małe kurczaczki? " 3.14, 3.14, 3.14
  43. 43. B I G D ATA N A Z A M Ó W I E N I E N E T R E S E A R C H
  44. 44. J A K U B D Ą B K O W S K I kuba@NetResearch.pl 604-089-798

×