登入帳戶  | 訂單查詢  | 購物車/收銀台( 0 ) | 在線留言板  | 付款方式  | 運費計算  | 聯絡我們  | 幫助中心 |  加入書簽
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種:超過100萬種各類書籍/音像和精品,正品正價,放心網購,悭钱省心 服務:香港台灣澳門海外 送貨:速遞郵局服務站

新書上架簡體書 繁體書
暢銷書架簡體書 繁體書
好書推介簡體書 繁體書

四月出版:大陸書 台灣書
三月出版:大陸書 台灣書
二月出版:大陸書 台灣書
一月出版:大陸書 台灣書
12月出版:大陸書 台灣書
11月出版:大陸書 台灣書
十月出版:大陸書 台灣書
九月出版:大陸書 台灣書
八月出版:大陸書 台灣書
七月出版:大陸書 台灣書
六月出版:大陸書 台灣書
五月出版:大陸書 台灣書
四月出版:大陸書 台灣書
三月出版:大陸書 台灣書
二月出版:大陸書 台灣書

『簡體書』预测性分析:基于数据科学的方法(原书第2版)

書城自編碼: 3831879
分類:簡體書→大陸圖書→計算機/網絡數據庫
作者: 杜尔森·德伦[Dursun Delen]
國際書號(ISBN): 9787111718345
出版社: 机械工业出版社
出版日期: 2023-02-01

頁數/字數: /
書度/開本: 16开 釘裝: 平装

售價:HK$ 111.3

我要買

 

** 我創建的書架 **
未登入.


新書推薦:
中国佛教美学典藏·佛教绘画部·绢帛佛画
《 中国佛教美学典藏·佛教绘画部·绢帛佛画 》

售價:HK$ 480.0
中国色:手艺里的中国色彩美学
《 中国色:手艺里的中国色彩美学 》

售價:HK$ 105.6
中国文化文物和旅游统计年鉴2023
《 中国文化文物和旅游统计年鉴2023 》

售價:HK$ 357.6
琴学论集:古琴传承与人文生态
《 琴学论集:古琴传承与人文生态 》

售價:HK$ 165.6
天理与秩序:宋代政治伦理思想研究
《 天理与秩序:宋代政治伦理思想研究 》

售價:HK$ 117.6
怎么办?
《 怎么办? 》

售價:HK$ 94.8
明代文艺思想史
《 明代文艺思想史 》

售價:HK$ 576.0
原始之美:萨满教与西方人的想象
《 原始之美:萨满教与西方人的想象 》

售價:HK$ 153.6

 

建議一齊購買:

+

HK$ 174.2
《 Python数据分析与数据化运营 第2版 》
+

HK$ 142.8
《 智能数据分析:入门、实战与平台构建 》
+

HK$ 161.3
《 AB实验:科学归因与增长的利器 》
+

HK$ 248.8
《 商业分析:基于数据科学及人工智能技术的决策支持系统(原书第11版) 》
+

HK$ 120.8
《 电商流量数据化运营 》
+

HK$ 123.8
《 深入浅出Pandas:利用Python进行数据处理与分析 》
內容簡介:
本书全面介绍了预测性分析相关方法,不仅直观地阐述了相关概念,还给出了现实的示例问题和真实的案例研究—包括从失败项目获得的经验教训。
本书理论和实践内容相对平衡,便于读者加深理解。
全书共9章,外加一个附录。
第1章为分析导论,
第2章为预测性分析和数据挖掘导论,
第3章介绍预测性分析的标准流程,
第4章介绍预测性分析的数据和方法,
第5章介绍预测性分析算法,
第6章探讨预测性建模中的高阶主题,
第7章介绍文本分析、主题建模和情感分析,
第8章介绍预测性分析使用的大数据,
第9章介绍深度学习和认知计算,
附录展望了商业分析和数据科学工具的前景。
本书适合计算机科学、数据科学和商业分析领域的相关从业人员阅读。
關於作者:
Dursun Delen博士是商业分析、数据科学和机器学习领域的国际知名专家。他经常受邀参加各种国内外会议,就数据/文本挖掘、商务智能、决策支持系统、商业分析、数据科学和知识管理等主题做大会报告。在2001年被聘任为俄克拉荷马州立大学(Oklahoma State University)的教授前,Delen博士在工业界工作了十多年,致力于为企业开发和交付商业分析解决方案。他曾在私营应用研究和咨询公司Knowledge Based Systems,Inc.(KBSI)担任研究科学家。在KBSI任职的五年间,Delen博士主持了很多与决策支持系统、企业工程、信息系统开发和高级商业分析相关的项目,这些项目由私营企业和美国联邦机构(包括国防部、NASA、国家科学基金会、国家标准和技术研究所以及能源部)资助。现在,除学术工作外,Delen博士还为企业提供专业教育和咨询服务,帮助它们评估分析、数据科学和信息系统需求以及开发最先进的计算机决策支持系统。
Delen博士目前的学术职位是工商管理威廉·S. 斯皮尔斯讲席教授和商业分析帕特森家族讲席教授。他是美国卫生系统创新中心(Center for Health Systems Innovation)的研究主任,也是俄克拉荷马州立大学斯皮尔斯商学院(Spears School of Business)管理科学和信息系统的杰出教授。他在Journal of Business Research、Journal of Business Analytics、Decision Sciences Journal、Decision Support Systems、Communications of the ACM、Computers & Operations Research、Annals of Operations Research、Computers in Industry、Journal of Production Operations Management、Artificial Intelligence in Medicine、Journal of the American Medical Informatics Association、Expert Systems with Applications、Renewable and Sustainable Energy Reviews、Energy、Renewable Energy等核心期刊上发表了150多篇经过同行评议的研究论文。他还撰写或与人合著了11本商业分析、数据科学和商务智能领域的专著和教材。
Delen博士经常在各种商业分析和信息系统的会议上担任专题和子专题的主席。目前,他是Journal of Business Analytics和Frontiers in Artificial Intelligence的主编,Journal of Decision Support Systems、Decision Sciences和Journal of Business Research的高级编辑,Decision Analytics、International Journal of Information and Knowledge Management和International Journal of RF Technologies的副主编,以及其他几本学术期刊的编委会成员。他曾获得著名的富布赖特学者奖、杰出教师和研究者奖、校长杰出研究者奖和大数据导师奖等多项研究和教学奖项。
目錄
第1章 分析导论1
1.1 名称中有什么关系2
1.2 为什么分析和数据科学会突然
  流行起来4
1.3 分析的应用领域5
1.4 分析面临的主要挑战5
1.5 分析的纵向视图6
1.6 分析的简单分类9
1.7 分析的前沿:IBM Watson12
小结16
参考文献17
第2章 预测性分析和数据挖掘导论18
2.1 什么是数据挖掘20
2.2 数据挖掘不是什么21
2.3 最常见的数据挖掘应用22
2.4 数据挖掘能够发现什么样的模式25
2.5 流行的数据挖掘工具28
2.6 数据挖掘的潜在问题:隐私问题31
小结36
参考文献36
第3章 预测性分析的标准流程38
3.1 数据库的知识发现流程38
3.2 跨行业数据挖掘的标准流程39
3.3 SEMMA43
3.4 SEMMA和CRISP-DM45
3.5 数据挖掘的六西格玛46
3.6 哪种方法最好47
小结51
参考文献51
第4章 预测性分析的数据和方法52
4.1 数据分析中数据的本质52
4.2 分析中的数据预处理54
4.3 数据挖掘方法57
4.4 预测57
4.5 分类58
4.6 决策树63
4.7 数据挖掘中的聚类分析65
4.8 k均值聚类算法67
4.9 关联68
4.10 Apriori算法70
4.11 数据挖掘和预测性分析的误解
   与现实71
小结77
参考文献77
第5章 预测性分析算法79
5.1 朴素贝叶斯79
5.2 最近邻算法82
5.3 相似度度量:距离83
5.4 人工神经网络85
5.5 支持向量机88
5.6 线性回归91
5.7 逻辑回归94
5.8 时间序列预测95
小结99
参考文献99
第6章 预测性建模中的高阶主题102
6.1 模型集成102
6.2 预测性分析中的偏差–方差权衡112
6.3 预测性分析中的非平衡数据问题115
6.4 预测性分析中机器学习模型的
  可解释性118
小结124
参考文献124
第7章 文本分析、主题建模和
    情感分析126
7.1 自然语言处理129
7.2 文本挖掘应用132
7.3 文本挖掘流程135
7.4 文本挖掘工具143
7.5 主题建模144
7.6 情感分析146
小结153
参考文献154
第8章 预测性分析使用的大数据156
8.1 大数据从何而来156
8.2 定义大数据的V158
8.3 大数据的基本概念160
8.4 大数据分析解决的业务问题163
8.5 大数据技术163
8.6 数据科学家169
8.7 大数据和流分析171
8.8 数据流挖掘172
小结174
参考文献175
第9章 深度学习和认知计算176
9.1 深度学习导论176
9.2 浅层神经网络基础179
9.3 人工神经网络的要素181
9.4 深度神经网络186
9.5 卷积神经网络189
9.6 循环神经网络与长短时记忆网络195
9.7 实现深度学习的计算机框架199
9.8 认知计算201
小结209
参考文献209
附录 KNIME及商业分析和
   数据科学工具前景展望213
內容試閱
通常来说,商业分析,特别是预测性分析,用于预见未来和做出更明智、更快的商业决策。从错误中学习的传统观念不再适用,现实更像是“一击出局”。要想在当前动荡的商业环境中生存,管理者就必须以绝对准确的方式及时识别问题和机会,并计算和实施最优决策。在这种情况下,使用商业分析的组织不仅可以生存下来,而且还能够茁壮成长。商业分析曾被认为是一种高级/可选的能力,现在则是一种必需品—必须具备的组织能力。有了商业分析,公司可以利用数据了解发生了什么,预见将要发生什么,并落实会发生的事情。商业分析现在是企业管理的黄金标准。
分析(或者更恰当地说是数据分析)可以简单地定义为发现数据中有意义的模式——新奇的信息和知识。我们生活在大数据时代,数据正在高速、大量和多样化地被创建,因此分析的定义主要关注的是数据的价值主张。商业分析是一种特殊的分析应用,它利用底层的工具、技术和原则来为极其复杂的商业问题提供解决方案。企业通常将分析应用于商业数据,以描述、预测和优化其商业机会并最大化其绩效。商业分析是当今商界最时兴的词之一,无论看何种商业期刊,你都很可能会看到关于分析以及分析如何改变管理决策方式的文章。分析已经成为循证管理(即证据/数据驱动的决策)的新标签。问题是:为什么分析变得如此流行?为什么是现在?主要原因可以分为四类:需求、可用性、可负担性和文化改变。
商业分析按照术语层次性质通常分为三个层次/梯级:描述性分析、预测性分析和规范性分析。组织通常从描述性分析开始,然后转向预测性分析,最后实现规范性分析。虽然这三个分析梯级是分层的(就复杂性和烦琐性而言),但是从较低层次到较高层次并没有明确的区分。也就是说,企业在处于描述性分析层次的时候,也可以零碎地使用预测性分析甚至规范性分析。预测性分析是本书的主要主题,它处于描述性分析之后和规范性分析之前。在描述性分析方面已经成熟的组织会进入预测性分析这个关键层次。在这个层次中,组织的目光放在了已经发生的事情之外,并试图回答“将会发生什么?”的问题。本书会深入介绍各种分析技术的预测能力。
或许是由于作为流行词被迅速普及,“分析”一词正在取代“智能”“挖掘”和“发现”等先前流行的词的地位。例如,“商务智能”变成了“商业分析”,“客户智能”变成了“客户分析”,“Web挖掘”变成了“Web分析”,“知识发现”变成了“数据分析”。就连“商业分析”这个名字本身也受到了“数据科学”“机器学习”和“认知计算”等流行词的挑战。但是,不论使用什么词,目标都是相同的:从大型且特征丰富的数据中创建可操作洞见。因为现代分析可能需要进行大量计算(是由大数据在数量、种类和速度方面的特性决定的),所以用于项目分析的工具、技术和算法使用了管理科学、计算机科学、统计学、机器学习、数据科学和数学等领域开发的最新、最先进的方法。

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 香港用户  | 台灣用户 | 大陸用户 | 海外用户
megBook.com.hk
Copyright © 2013 - 2024 (香港)大書城有限公司  All Rights Reserved.