ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Applied Advanced Analytics: 6th IIMA International Conference on Advanced Data Analysis, Business Analytics and Intelligence (Springer Proceedings in Business and Economics)

دانلود کتاب تجزیه و تحلیل پیشرفته کاربردی: ششمین کنفرانس بین المللی IIMA در تجزیه و تحلیل داده های پیشرفته، تجزیه و تحلیل کسب و کار و هوش (مجموعه مقالات اسپرینگر در تجارت و اقتصاد)

Applied Advanced Analytics: 6th IIMA International Conference on Advanced Data Analysis, Business Analytics and Intelligence (Springer Proceedings in Business and Economics)

مشخصات کتاب

Applied Advanced Analytics: 6th IIMA International Conference on Advanced Data Analysis, Business Analytics and Intelligence (Springer Proceedings in Business and Economics)

ویرایش: [1st ed. 2021] 
نویسندگان:   
سری:  
ISBN (شابک) : 9813366559, 9789813366558 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 243
[236] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 Mb 

قیمت کتاب (تومان) : 43,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 1


در صورت تبدیل فایل کتاب Applied Advanced Analytics: 6th IIMA International Conference on Advanced Data Analysis, Business Analytics and Intelligence (Springer Proceedings in Business and Economics) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب تجزیه و تحلیل پیشرفته کاربردی: ششمین کنفرانس بین المللی IIMA در تجزیه و تحلیل داده های پیشرفته، تجزیه و تحلیل کسب و کار و هوش (مجموعه مقالات اسپرینگر در تجارت و اقتصاد) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب تجزیه و تحلیل پیشرفته کاربردی: ششمین کنفرانس بین المللی IIMA در تجزیه و تحلیل داده های پیشرفته، تجزیه و تحلیل کسب و کار و هوش (مجموعه مقالات اسپرینگر در تجارت و اقتصاد)


این کتاب چندین حوزه جدید را در زمینه رو به رشد تجزیه و تحلیل با برخی از برنامه های کاربردی نوآورانه در زمینه های مختلف تجاری پوشش می دهد و شامل ارائه های منتخب در ششمین کنفرانس بین المللی IIMA در زمینه تجزیه و تحلیل داده های پیشرفته، تجزیه و تحلیل کسب و کار است. و هوش کتاب از نظر مفهومی در هفت بخش تقسیم شده است. بخش اول خلاصه‌های توضیحی درباره برخی موضوعات مربوط به علایق فعلی آکادمیک و شاغل، مانند جریان‌های داده، پیش‌بینی باینری و مدل‌های شوک قابلیت اطمینان ارائه می‌دهد. در بخش دوم، مشارکت‌ها به برنامه‌های هوش مصنوعی با فصل‌های مرتبط با هوش مصنوعی قابل توضیح،  جستجو و توصیه شخصی‌شده، و مدیریت حفظ مشتری نگاه می‌کنند. بخش سوم به تجزیه و تحلیل ریسک اعتباری می‌پردازد، با فصل‌هایی درباره بهینه‌سازی محدودیت‌های اعتباری و کاهش ریسک‌های وام‌دهی کشاورزی. در بخش چهارم، این کتاب به بررسی تجزیه و تحلیل و داده کاوی در زمینه خرده فروشی می پردازد. در بخش پنجم، کتاب برخی از کاربردهای تجزیه و تحلیل در مدیریت عملیات را ارائه می کند. این بخش دارای فصول مربوط به بهبود عملکرد کوره، پیش بینی شاخص های غذایی و تجزیه و تحلیل برای بهبود نتایج یادگیری دانش آموزان می باشد. بخش ششم مشارکت‌های مرتبط با طرح‌های تطبیقی ​​در کارآزمایی‌های بالینی، مقایسه‌های تصادفی سیستم‌ها با اجزای ناهمگن و انباشته کردن مدل‌ها را دارد. بخش هفتم و پایانی شامل فصول مرتبط با موضوعات مالی و اقتصادی است، مانند نقش زیرساخت‌ها و مالیات بر رشد اقتصادی کشورها و ارتباط بازارها با عوامل ناهمگون، موضوعات مختلف تضمین می‌کند که کتاب ارزش زیادی برای شاغلین دارد. -دانشجویان فارغ التحصیل، محققان پژوهشی و اساتید دوره های پیشرفته تجزیه و تحلیل تجاری را تدریس می کنند.

توضیحاتی درمورد کتاب به خارجی

This book covers several new areas in the growing field of analytics with some innovative applications in different business contexts, and consists of selected presentations at the 6th IIMA International Conference on Advanced Data Analysis, Business Analytics and Intelligence. The book is conceptually divided in seven parts. The first part gives expository briefs on some topics of current academic and practitioner interests, such as data streams,  binary prediction and reliability shock models. In the second part, the contributions look at artificial intelligence applications with chapters related to explainable AI,  personalized search and recommendation, and customer retention management. The third part deals with credit risk analytics, with chapters on optimization of credit limits and mitigation of agricultural lending risks. In its fourth part, the book explores analytics and data mining in the retail context. In the fifth part, the book presents some applications of analytics to operations management. This part has chapters related to improvement of furnace operations, forecasting food indices and analytics for improving student learning outcomes. The sixth part has contributions related to adaptive designs in clinical trials, stochastic comparisons of systems with heterogeneous components and stacking of models. The seventh and final part contains chapters related to finance and economics topics, such as role of infrastructure and taxation on economic growth of countries and connectedness of markets with heterogenous agents, The different themes ensure that the book would be of great value to practitioners, post-graduate students, research scholars and faculty teaching advanced business analytics courses.


فهرست مطالب

Contents
Editor and Contributors
Machine Learning for Streaming Data: Overview, Applications and Challenges
	1 Introduction to Machine Learning and Streaming Data
	2 Classification and Regression in Streaming Data
		2.1 Classification Algorithms
		2.2 Regression Algorithms
	3 Drift Detection Algorithms
		3.1 Supervised Drift Detection
		3.2 Unsupervised Drift Detection
	4 Applications
	5 Conclusion
	References
Binary Prediction
	1 Introduction
	2 Logistic Regression
	3 Application to Binary Prediction
	4 Maximum Score Predictor
	5 Examples
		5.1 Example 1
		5.2 Example 2
	6 Conclusion
	References
Reliability Shock Models:  A Brief Excursion
	1 Introduction
	2 The Discrete Definitions
	3 The Shock Models
		3.1 Homogeneous Poisson Shock Model
		3.2 Nonhomogeneous Poisson Shock Model
		3.3 Pure Birth Shock Model
	4 The Cumulative Damage Shock Model
	References
Explainable Artificial Intelligence Model: Analysis of Neural Network Parameters
	1 Introduction
	2 Transparent Neural Network Model (TRANN)
	3 TraNN Parameter Estimation
	4 TRANN Model Parameter Test for Significance
	5 Simulation Study
	6 Conclusion
	References
Style Scanner—Personalized Visual Search and Recommendations
	1 Introduction
	2 Related Work
	3 Our Approach
	4 Training Dataset Generation
	5 Implementation Details
	6 Dataset and Evaluation
	7 Production Pipeline
	8 Future Developments
	9 Conclusion
	References
Artificial Intelligence-Based Cost Reduction for Customer Retention Management in the Indian Life Insurance Industry
	1 Introduction
		1.1 Company Information
		1.2 Background
		1.3 Purpose of Research
		1.4 Overview of Customer Retention Operations
	2 Source of Data
		2.1 Description of Datasets
	3 Methodology
		3.1 Defining Research Objective
		3.2 Data Extraction
		3.3 Data Exploration
		3.4 Data Processing
		3.5 Model Building
		3.6 Deep Learning Model (Neural Networks)
	4 Results
	5 Conclusion
	6 Implications
	References
Optimization of Initial Credit Limit Using Comprehensive Customer Features
	1 Introduction and Motivation
	2 Literature Review
	3 Methodology
	4 Benefits to the Business
	References
Mitigating Agricultural Lending Risk: An Advanced Analytical Approach
	1 Introduction
	2 Literature Review
	3 Agriculture Credit in India: Trends and Current Scenario
	4 Research Methodology
	5 Results
	6 Policy Implications
	7 Limitations and Conclusion
	Appendix 1
	Appendix 2: Key Summary Statistic
	Kolmogorov–Smirnov Test
	Gini Coefficient
	References
Application of Association Rule Mining in a Clothing Retail Store
	1 Introduction
		1.1 Literature Review
		1.2 Pricing Intelligence
	2 Methodology
	3 Data
		3.1 Data Analysis, Results and Findings
	4 Conclusion
	Appendix
	References
Improving Blast Furnace Operations Through Advanced Analytics
	1 Introduction
		1.1 Literature Review
		1.2 Purpose of Research
	2 Data Availability
		2.1 Understanding the Present Control System
	3 Data Analysis and Modeling
		3.1 Data Preparation
		3.2 Modeling
		3.3 Model Validation
	4 Results and Conclusion
	References
Food Index Forecasting
	1 Business Problem
	2 Data Gathering
	3 Model Development
		3.1 Pre-modeling
		3.2 Modeling Process
		3.3 Evaluation Metrics
	4 Results
	5 Conclusion
	References
Implementing Learning Analytic Tools in Predicting Students’ Performance in a Business School
	1 Introduction
	2 Purpose of Research
	3 Research Objectives
	4 Methodology
		4.1 Data Collection
		4.2 Data Preparation
		4.3 Partition the Data
		4.4 Build Models
		4.5 Evaluate the Models
	5 Results and Discussion
		5.1 Descriptive Analytics
		5.2 Scatter Plot
		5.3 Model to Predict the Academic Status in a Course
		5.4 Model Building to Predict the Grade of a Student in the Capstone Course
	6 Implications and Conclusion
	References
An Optimal Response-Adaptive Design for Multi-treatment Clinical Trials with Circular Responses
	1 Introduction
	2 The Proposed Allocation Design
	3 Implementation of the Allocation Design in Practice
	4 Performance Evaluation
		4.1 Performance Measures
		4.2 Simulation Studies
	5 Redesigning a Real Clinical Trial: SICS Trial
	6 Concluding Remarks
	References
Stochastic Comparisons of Systems with Heterogeneous Log-Logistic Components
	1 Introduction
	2 Notations, Definitions, and Preliminaries
	3 Order Relations for Parallel Systems
	4 Order Relations for Series System
	References
Stacking with Dynamic Weights on Base Models
	1 Introduction
	2 Literature Review
	3 Stacking by Conventional Way
		3.1 Steps of Stacking by Conventional Way
	4 Proposed Method I: Stacking Using Neighbourhood-Based Dynamic Weights
		4.1 Steps of Stacking Using Neighbourhood-Based Dynamic Weights
	5 Proposed Method II: Stacking Using Distance-Based Dynamic Weights
		5.1 Steps of Stacking Using Distance-Based Dynamic Weights
	6 Findings
		6.1 Wholesale Customer Data
		6.2 Pima Indians Diabetes Data
		6.3 Bank Note Authentication Data
		6.4 Iris Data
	7 Conclusion
	References
The Effect of Infrastructure and Taxation on Economic Growth: Insights from Middle-Income Countries
	1 Introduction
	2 Methods of Study and Data
	3 Empirical Results
	4 Conclusion and Policy Implications
	Appendix 1: List of Middle-Income Countries (MICs)
	References
Response Prediction and Ranking Models for Large-Scale Ecommerce Search
	1 Problem Statement
	2 Literature Survey
	3 Algorithm
	4 Feature Selection
	5 Business Insights
	6 ML Architecture
	7 A/B Framework
	8 Future Work
	References
Connectedness of Markets with Heterogeneous Agents  and the Information Cascades
	1 Introduction
	2 Related Work
	3 Research Objectives
	4 Methodology
		4.1 Data Source and Details
		4.2 Estimation Framework
	5 Preliminary Results
	6 Discussion
	7 Concluding Remarks
	8 Appendix
	References




نظرات کاربران