230407 | Подлинная (специальная книга).
Цена: 509руб. (¥28.3)
Артикул: 18701934177
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:北京华章图书旗舰店
Адрес:Пекин
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 40 18.99342руб.
¥23.04415руб.
¥71.21 281руб.
¥48.3869руб.
| Книга имя: | [Подлинное] Работка данных и эксплуатационная работа данных Фактическая борьба: идеи, методы, навыки и приложения | 3801326 |
| Цена книги: | 59 Юань |
| делать К: | Лу Хуи |
| вне Версия общество: | Machinery Industry Press |
| Дата публикации: | 2013/6/1 0:00:00 |
| ISBN Число: | 9787111426509 |
| открыть Книга: | 16 |
| Страница число: | 258 |
| Версия Второй скорость: | 1-1 |
 |
| Lu Hui, эксперт по анализу данных Министерства торговли Алибабы, занимался маркетингом баз данных и анализом данных.В настоящее время Alibaba в основном занимается планированием оперативных данных на основе данных, управлении проектами и реализацией, и обладает богатым опытом работы в области проекта на основе данных в интернет -индустрии.Обратите внимание на управление проектами операций и интеллектуального анализа данных на основе данных. |
 |
| «Распускание данных и операция данных Данные фактические бои: идеи, методы, навыки и приложения» в настоящее время является относительно полной и систематической работой в области практики операции данных. Случаи применения и сцены творчески анализируются различные типы тем в операциях данных, и запустил один -один соответствующие идеи анализа и соответствующую интеграцию навыков анализа, чтобы предоставить читателям предоставление читателей“Миноризация”Работа фактического боя.Автор объединяет много опыта проекта в своей собственной практике работы с данными, и его легко понять“Не -технический”Язык и много живых и ярких случаев, сосредотачиваясь на мышлении, методах, навыках и приложениях в анализе данных и добыче полезных ископаемых, всесторонне организуют, суммируют и делятся, чтобы помочь читателям глубоко понять и освоить“Сосредоточение внимания на бизнесе, сосредоточение внимания на идеях и аналитической технологии в качестве помощи”Распускание данных практические сокровища. «Распространение данных и эксплуатационная работа данных Фактическая борьба: идеи, методы, навыки и приложения» имеют 19 глав, разделенные на три части: основная глава (глава 1-4) систематически введено в соответствующий фон анализа данных и операция данных, операция данных“Координировать”Основой общих пунктов анализа на практике; фактические боевые статьи (глава 6-13) в основном вводят практические навыки общего анализа и методов добычи на практике, а также обмен и демонстрация большого количества практических случаев; Глава 5, глава 14- 19) Это в основном ответственность, сознание, мышление и резюме продвижения по службе и исследование аналитиков данных, а также некоторые эффективные системы управления качеством проекта и классическое методологическое введение. |
 |
«Рабочие данные и эксплуатационные данные Данные и управление данными: идеи, методы, навыки и приложения» Рекомендация Предисловие Глава 1 Что такое операция данных 1.1 Процесс разработки современной теории маркетинга 1.1.1 от 4p до 4c 1.1.2 от 4C до 3P3C 1.2 Основное содержание операции данных 1.3 Почему операции на основе данных 1.4 Необходимые условия для работы данных 1.4.1 Реализация массового хранилища данных предприятия -уровня 1.4.2 Требования к утонченным операциям 1.4.3 Эффективное применение анализа данных и технологии интеллектуального анализа данных 1.4.4 Предварительная и постоянная поддержка уровней принятия корпоративных решений 1.5 Новое явление и новая разработка операции данных 1.6 Последние данные в Интернете и E -Commerce Глава 2 Обзор добычи данных 2.1 История разработки данных 2.2 Основное различие между статистическим анализом и интеллектуальным анализом данных 2.3 Основная зрелая технология интеллектуального анализа данных и основное применение в работе данных 2.3.1 Дерево решений 2.3.2 Нейронная сеть 2.3.3 Возврат 2.3.4 Связанные правила 2.3.5 кластер 2.3.6 Метод байесовской классификации 2.3.7 2.3.8 Анализ основного композиции 2.3.9 Предположим, проверка 2.4 Характеристики приложений для интеллектуального анализа данных в интернет -индустрии Глава 3 Анализ данных Типы проектов, общие в операции данных 3.1 Анализ функций целевых клиентов 3.2 Модель (ответ, классификация) модель целевых клиентов 3.3 Определение деятельности операционных групп 3.4 Анализ пути пользователя 3.5 модель Cross -Sales 3.6 Модель качества информации 3.7 Модель гарантии обслуживания 3.8 Пользовательская (покупатель, продавец) многослойная модель 3.9 Торговая модель продавца (покупателя) 3.10 модель кредитного риска 3.11 Модель рекомендации по продукту 3.11.1 Рекомендация по продукту Введение 3.11.2 Связанные правила 3.11.3 Скоординированный алгоритм фильтрации 3.11.4 Сводка моделей рекомендаций по продукту 3.12 Data Products 3.13 Поддержка принятия решений Глава 4 Работа данных -это координация и сотрудничество перекрестного ипрофессионального и перекрестного 4.1 Отдел и позиционирование групп анализа данных и бизнес -групп 4.1.1. Выдвигают потребности в бизнес -анализе и иметь возможность провести базовый анализ данных 4.1.2 Предоставьте деловой опыт и справочные предложения 4.1.3 Планирование и реализация утонченных планов эксплуатации 4.1.4 Отслеживание эксплуатационного эффекта, обратной связи и резюме 4.2 Операция данных -это реальная многопрофильная, многопрофильная совместная работа 4.3 Cross -Профессиональная и перекрестная координация и сотрудничество в работе данных Глава 5 Аналитики Общие неправильные концепции и стратегия управления для разделения 5.1 Понимание теории бизнеса 52 Техническая универсальная теория 5.3 Теория технической резки 5.4 Моделирование и применение: 5.5 Универсальная теория машины 5.6 Счастливые семьи похожи, а несчастные семьи имеют свои неудачные ГЛАВА 6 ДАННЫЕ ДАННЫЕ ДАННЫЕ ДАННЫЕ ДАННЫЕ ПРОИЗВОДСТВО ПРОИЗВОДСТВА 6.1 Предложение о справочной информации о проекте и потребностях в бизнес -анализе 6.2 Аналитики данных участвуют в обсуждении потребностей 6.3 Формирование структуры анализа спроса и плана анализа 6.4 Примерные данные, знакомство с данными, очисткой данных и фундаментом 6.5 Предварительная модель раскопок, как и планировалось 6.6 Предварительное заключение модели, обсуждаемой с бизнес -партиями, и предложили новые идеи и решения для оптимизации моделей 6.7 re -extract выборку и модель в соответствии с схемой оптимизации, усовершенствовайте вывод и проверить модель 6.8 Заполните отчет об анализе и предложение о приложении 6.9 Разработка конкретного плана и схемы оценки напольного пола и схемы оценки 6.10 Бизнес -сторона реализует план приложения и отслеживает и оценивает эффект 6.11. Схема применения плана применения пола -расстояния продолжает пересматриваться и улучшаться после фактической оценки эффекта 6.12 Оценка, сводка и обратная связь различных операционных схем 6.13 Резюме и размышления после приложения проекта Глава 7 Оптимизация и ограничение моделирования модели данных 7.1 Оптимизация модели интеллектуального анализа данных должна следовать эффективным и умеренным принципам эффективных и умеренных 7.2 Как эффективно оптимизировать модель 7.2.1 Оптимизировать бизнес -идеи 7.2.2 Оптимизируйте технические идеи моделирования 7.2.3 Оптимизируйте технические навыки моделирования 7.3 Как подумать о пределе оптимизации 7.4 Основная индикаторная система оценки эффекта модели 7.4.1 Модель оценки точности модели и индикаторов серии точности 7.4.2 Кривая ROC 7.4.3 Значение Ks 7.4.4 Значение подъема 7.4.5 Оценка стабильности модели Глава 8 Общие навыки обработки данных 8.1 Извлечение данных должно правильно отражать потребности бизнеса 8.2 Отбор данных данных 8.3 Анализ размера данных 8.4 Как справиться с отсутствующими значениями и аномальными значениями 8.4.1 Общие способы потерять ценности 8.4.2 Суждение и обработка ненормальных ценностей 8.5 Преобразование данных 8.5.1 Сгенерировать производные переменные 8.5.2. Улучшение преобразования распределения переменных 8.5.3 -Точка преобразования коробки 8.5.4 Стандартизация данных 8.6 Скрининг эффективные входные переменные 8.6.1 Зачем скринировать эффективные входные переменные 8.6.2 в сочетании с деловым опытом 8.6.3 Предварительный скрининг индикаторов линейной корреляции 8.6.4 R квадрат 8.6.5 Стандартный тест 8.6.6 IV и горе 8.6.7 Функция скрининга некоторых алгоритмов формования 8.6.8 Как уменьшить снижение размера 8.6.9 Последний критерий 8.7 Общая линейная проблема 8.7.1 Как обнаружить общую линейность 8.7.2 Как справиться с обычной линейностью Глава 9 Типичные применения и технические советы для анализа поликлодии 9.1 Типичные сценарии применения кластерного анализа 9.2 Классификация основного алгоритма кластера 9.2.1 Метод деления 9.2.2 Метод уровня 9.2.3 Стоматологический метод 9.2.4 Метод на основе сетки 9.3 Ключевые меры предосторожности кластеризационного анализа в практических приложениях 9.3.1 Как справиться с шумом данных и аномальной стоимостью 9.3.2 Стандартизация данных 9.3.3 Маленькие и штрафные переменные кластера 9.4 Применение расширения кластерного анализа 9.4. 9.4.2 Инструменты разведки и очистки данных 9.4.3 Применение персонализированной рекомендации 9.5 Преимущества и недостатки кластерного анализа в практических приложениях 9.6 Система оценки и показатели оценки результатов кластерного анализа 9.6.1 Оценка бизнес -экспертов 9.6.2 Индикаторы оценки в технологии кластеризации 9.7 Обмен случаями типичной темы кластерного анализа 9.7.1 Фон 9.7.2 Фонд основных данных 9.7.3 Предварительный вывод анализа кластеризации на основе образцов пользователей Глава 10 Типичная модель применения и технического хитрости ответа на прогнозирование (классификация) 10.1 Практическое применение и меры предосторожности технологии нейронной сети 10.1.1 Принципы и основные элементы нейронных сетей 10.1.2 Применение преимущества нейронных сетей 10.1.3 Недостатки и меры предосторожности технологии нейронной сети 10.2 Практическое применение и меры предосторожности технологии дерева решений 10.2.1 Принципы и основные элементы деревьев решений 10.2.2 Алгоритм Чейда 10.2.3 Алгоритм тележки 10.2.4 Алгоритм ID3 10.2.5. Преимущество применения дерева решений 10.2.6 Недостатки и меры предосторожности дерева решений 10.3 Практическое применение и меры предосторожности технологии логической регрессии 10.3.1 Принципы и основные элементы логической регрессии 10.3.2 Метод скрининга переменной в регрессии 10.3.3. Преимущество применения логической регрессии 10.3.4 Меры предосторожности в приложениях логической регрессии 10.4 Практическое применение и меры предосторожности для многолинейной технологии регрессии 10.4.1 Принципы и основные элементы линейной регрессии 10.4.2 Применение преимущества линейной регрессии 10.4.3 Меры предосторожности в линейном возврате к приложению 10.5 Модель пережитка и контрмеры 10.6 Обмен случаями типичной модели ответа на прогнозирование 10.6.1 Фон случаев 10.6.2 Фонд основных данных 10.6.3 Извлечение и очистка данных моделирования 10.6.4 Предварительная проверка тестов и общая линейная проверка 10.6.5 Преобразование распределения потенциальных независимых переменных 10.6.6 Скрининг независимых переменных 10.6.7 Конструкция и оптимизация модели ответа 10.6.8 Определение модели Чемпиона и основного заключения анализа 10.6.9 Операционные решения на основе моделей и выводов анализа 10.6.11 Глава 11 Типичные приложения и технические советы для анализа пользовательских функций 11.1 Типичные бизнес -сценарии, применяемые к анализу пользовательских функций 11.1.1 Найдите целевого пользователя 11.1.2 Найдите начальную точку работы 11.1.3 Основа для подразделения группы пользователей 11.1.4 Подсказки и основа для разработки новых продуктов 11.2 Типичные идеи анализа и методы анализа для анализа характеристик пользователей 11.2.1 Разница между 3 делением 11.2.2 RFM 11.2.3 Применение технологии кластеризации 11.2.4 Применение технологии дерева решений 11.2.5 Серженные независимые переменные в модели модели (ответ) 11.2.6. Предположим применение проверки 11.3 Система оценки после уточнения функций 11.4 Анализ пользовательских функций и различие и соединение между моделями прогнозирования пользователей 11.5. Глава 12 Типов и технические советы для анализа операционных эффектов 12.1 Зачем вам анализ операционного эффекта 12.2 Наиболее важное и общее применение статистической технологии в работе данных 12.2.1 Зачем вам гипотетический осмотр 12.2.2. Предположите основную идею проверки 12.2.3 T Проверяет обзор обзора 12.2.4 Допущения и тесты двух групп независимой выборки Т -теста 12.2.5. Непараметрический тест двух групп независимых образцов 12.2.6 T -тест разницы в спарке 12.2.7 Непипараметрический тест на разницу в спаривании 12.2.8 Обзор анализа дисперсии 12.2.9 Анализ анализа однофакторной дисперсии 12.2.10 НЕПАРАМЕТРЫ 12.2.11 Coeic Test 12.2.12 Метод управляющих переменных 12.2.13 AB Тест Глава 13 Модель доминирования и анализ пути 13.1 сетевые журналы и точки ткани 13.1.1 13.1.2 Коллекция журналов 13.1.3 Анализ журнала 13.1.4 Анализ журнала 13.2 Основные различия и связи между функциями модели воронки и анализа пути 13.3 Основные сценарии применения модели воронки 13.3.1 Анализ и улучшение мониторинга и эффективности работы операционного процесса 13.3.2 Анализ ключевых путей пользователей 13.3.3 Оптимизация продукта 13.4 Основные сценарии применения анализа пути 13.5 Основной алгоритм анализа пути 13.5.1 Метод анализа социальной сети 13.5.2 Анализ корреляции на основе последовательности 13.5.3 Самый простой метод обхода 13.6 Обмен детьми по анализу маршрутов 13.6.1 Фон 13.6.2 Основное анализ технологии Введение 13.6.3. 13.6.4 Основные выводы данных и бизнес -комментарий 13.6.5 Основное отслеживание приложений в основном анализе. Глава 14 Аналитист данных о возможностях анализа данных бизнес -команды 14.1 Развивать важность сознания анализа данных и способности бизнес -команды 14.2 Роль аналитиков данных в анализе данных бизнес -команды. 14.3 Как разработать сознание анализа данных и способность бизнес -команды 14.4 Аналитики аналитиков данных обучения бизнес -команды обмен анализом данных 14.4.1 Фон 14.4.2 Описание процесса 14.4.3 Влияние этого проекта отслеживает Глава 15 15.1 Зачем думать в других местах 15.2 Размышление об анализе данных и раскопках с точки зрения бизнес -партии 15.3 Обучение с точки зрения того, что сверстники думают об анализе данных и добыче Глава 16 Разработка режима качества и мышления аналитиков данных 16.1 Отношение определяет все 16.1.1 Вера 16.1.2 Доверие 16.1.3 Энтузиазм 16.1.4 16.1.5 День Благодарения 16.2 Деловое сознание является основным 16.2.1 Почему деловое сознание является основным 16.2.2 Как развивать деловое сознание 16.3 Основная методология 16.4 Смелые предположения, будьте осторожны, чтобы проверить 16,5 20/80 Принцип 16.6 Структурное мышление 16.7 Отличные аналитики данных должны быть как объективными, так и субъективными Глава 17 Терминал Авеню Тонг Рим 17.1 Почему проспект передает проспект в Рим 17.2 Авеню сосредоточен на 17.3 Сознательное послушание и положительный ответ 17.3.1 Сознательно повиноваться 17.3.2 положительный ответ 17.4 Конкретные примеры Глава 18 Процесс гарантии качества и система интеллектуального анализа данных 18.1 Эффективная система процессов гарантирования качества 18.1.1 Коллекция потребностей бизнеса 18.1.2 Группа оценки оценивает требования приоритет требований 18.1.3. Создание и ранняя основа исследовательской группы 18.1.4 Отправить формальный план (проект) в бизнес -партии 18.1.5 Анализ данных и расширение темы добычи 18.1.6. Представьте отчет о заключении и предложения по внедрению бизнеса в бизнес -партии 18.1.7. Обратная связь проекта (проект) Мониторинг применения и эффекта (проект) 18.2 Важность системы процессов гарантирования качества 18.3 Как поддержать и укреплять систему процессов гарантирования качества Глава 19 Несколько классических методологии интеллектуального анализа данных 19.1 Методология SEMMA 19.1.1 выборка данных 19.1.2 Исследование данных 19.1.3 Корректировка данных 19.1.4 Моделирование 19.1.5 Оценка 19.2 Методология CRISP-DM 19.2.1 Понимание бизнеса 19.2.2 Понимание данных 19.2.3 Подготовка данных 19.2.4 Строительство модели 19.2.5 Оценка модели 19.2.6 Выпуск модели 19.3 Раскопки Тома Хабазы 9 Закон |
 |
********* Старший эксперт по анализу данных Лу Хуи написал, многолетний опыт работы с интеллектуальным анализом, кристаллизация кристаллизации кристаллизации Сильный фактический бой, суммирует и суммирует коммерческие боя с точки зрения аналитиков данных и показывает много фактов и случаев.“С бизнесом как основным, сосредоточенным на мышлении и помогая технологии горнодобывающей промышленности”Бизнес -практика для добычи данных |
Книги, продаваемые в этом магазине, являются настоящими книгами