Eric Siegel

La analítica predictiva es la ciencia de predecir el comportamiento, y está presente en todos los aspectos de nuestra vida. Pone en valor el poder de los datos y afecta cada día a la toma de millones

In his bestselling first book, Eric Siegel explained how machine learning works. Now, in The AI Playbook, he shows how to capitalize on it.Eric Siegel delivers a robust primer on machine learning, the key mechanism in AI. A forward-looking, practical book and a must-read for anyone in the information economy.Scott Galloway, NYU Stern Professor of Marketing; bestselling author of The FourAn antidote to todays relentless AI hypewhy some AI initiatives thrive while others fail and what it takes for companies and people to succeed.Charles Duhigg, author of bestsellers The Power of Habit and Smarter Faster BetterThe greatest tool is the hardest to use. Machine learning is the worlds most important general-purpose technologybut its notoriously difficult to launch. Outside Big Tech and a handful of other leading companies, machine learning initiatives routinely fail to deploy, never realizing value. Whats missing? A specialized business practice suitable for wide adoption. In The AI Playbook, bestselling author Eric Siegel presents the gold-standard, six-step practice for ushering machine learning projects, aka predictive AI projects, from conception to deployment. He illustrates the practice with stories of success and of failure, including revealing case studies from UPS, FICO, and prominent dot-coms. This disciplined approach serves both sides: It empowers business professionals, and it establishes a sorely needed strategic framework for data professionals.Beyond detailing the practice, this book also upskills business professionalspainlessly. It delivers a vital yet friendly dose of semi-technical background knowledge that all stakeholders need to lead or participate in machine learning projects, end to end. This puts business and data professionals on the same page so that they can collaborate deeply, jointly establishing precisely what machine learning is called upon to predict, how well it predicts, and how its predictions are acted upon to improve operations. These essentials make or break each initiativegetting them right paves the way for machine learnings value-driven deployment.A note from the author:The buzzword AI can mean many things, but this book is about the most vital use cases of machine learning, those designed to improve large-scale business operationsaka predictive AI or predictive analytics.

La mejor herramienta es la más difícil de utilizar. El machine learning es la tecnología de uso general más importante del mundo, pero es muy complicada de lanzar. Fuera de los gigantes tecnológicos y algunas otras empresas lideres, las iniciativas de machine learning suelen fallar a la hora de implementarse y nunca llegan a aportar valor. ¿Que falta? Una practica empresarial especializada apta para una adopcion amplia.En la Guia practica de la IA, el autor superventas Eric Siegel presenta el estandar de referencia, un modelo practico en seis pasos para llevar los proyectos de machine learning desde su concepcion hasta su implementacion. Ilustra la practica con historias de exito y fracaso, incluyendo casos practicos reveladores de UPS, FICO y empresas puntocom destacadas. Este enfoque disciplinado sirve para ambas partes: da poder a los profesionales empresariales y establece un marco de trabajo estrategico muy necesario para los profesionales de los datos.Ademas de detallar la practica, este libro tambien mejora las cualificaciones de los profesionales empresariales de forma indolora. Ofrece una dosis vital pero amable de conocimiento contextual semitecnico que todas las partes interesadas necesitan para dirigir o participar en proyectos de machine learning de principio a fin. Esto pone a los profesionales empresariales y los de datos en igualdad de condiciones para que puedan colaborar de manera conjunta y profunda para establecer con precision lo que debe predecir el machine learning, como de bien predice y como se actuara en funcion de sus predicciones para mejorar las operaciones. Estas cuestiones esenciales determinan el exito o el fracaso de cada iniciativa; si se hacen bien, allanan el camino para la implementacion dirigida al valor del machine learning.

La mejor herramienta es la más difícil de utilizar. El machine learning es la tecnología de uso general más importante del mundo, pero es muy complicada de lanzar. Fuera de los gigantes tecnológicos y algunas otras empresas lideres, las iniciativas de machine learning suelen fallar a la hora de implementarse y nunca llegan a aportar valor. ¿Que falta? Una practica empresarial especializada apta para una adopcion amplia.En la Guia practica de la IA, el autor superventas Eric Siegel presenta el estandar de referencia, un modelo practico en seis pasos para llevar los proyectos de machine learning desde su concepcion hasta su implementacion. Ilustra la practica con historias de exito y fracaso, incluyendo casos practicos reveladores de UPS, FICO y empresas puntocom destacadas. Este enfoque disciplinado sirve para ambas partes: da poder a los profesionales empresariales y establece un marco de trabajo estrategico muy necesario para los profesionales de los datos.Ademas de detallar la practica, este libro tambien mejora las cualificaciones de los profesionales empresariales de forma indolora. Ofrece una dosis vital pero amable de conocimiento contextual semitecnico que todas las partes interesadas necesitan para dirigir o participar en proyectos de machine learning de principio a fin. Esto pone a los profesionales empresariales y los de datos en igualdad de condiciones para que puedan colaborar de manera conjunta y profunda para establecer con precision lo que debe predecir el machine learning, como de bien predice y como se actuara en funcion de sus predicciones para mejorar las operaciones. Estas cuestiones esenciales determinan el exito o el fracaso de cada iniciativa; si se hacen bien, allanan el camino para la implementacion dirigida al valor del machine learning.