دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: پایگاه داده ها ویرایش: 2 نویسندگان: Peter Ghavami سری: ISBN (شابک) : 9781547417957 ناشر: De Gruyter سال نشر: 2020 تعداد صفحات: 250 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Big Data Analytics Methods 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 روش های تجزیه و تحلیل داده های بزرگ 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.
Big Data Analytics Methods اسرار تکنیک های تجزیه و تحلیل پیشرفته را از یادگیری ماشینی، طبقه بندی جنگل های تصادفی، مدل سازی پیش بینی، تجزیه و تحلیل خوشه، پردازش زبان طبیعی (NLP)، فیلتر کالمن و مجموعه ای از مدل ها برای دقت بهینه تحلیل و پیش بینی آشکار می کند. بیش از 100 تکنیک و روش تحلیلی به متخصصان کلان داده، متخصصان هوش تجاری و دانشمندان داده شهروند بینشی در مورد چگونگی غلبه بر چالش ها و اجتناب از دام ها و دام های رایج در تجزیه و تحلیل داده ها ارائه می دهد. این کتاب راه حل ها و نکاتی در مورد مدیریت داده های از دست رفته، داده های نویز و کثیف، کاهش خطا و تقویت سیگنال برای کاهش نویز ارائه می دهد. در مورد تجسم دادهها، پیشبینی، بهینهسازی، هوش مصنوعی، تحلیل رگرسیون، مدل خطر کاکس و بسیاری از تجزیه و تحلیلها با استفاده از مثالهای موردی با کاربردها در صنایع مراقبتهای بهداشتی، حملونقل، خردهفروشی، مخابرات، مشاوره، تولید، انرژی و خدمات مالی بحث میکند. روش های پیشرفته تجزیه و تحلیل داده ها و بهترین شیوه های مهم این کتاب به خوانندگان کمک می کند تا در تجزیه و تحلیل داده ها موفق شوند.
Big Data Analytics Methods unveils secrets to advanced analytics techniques ranging from machine learning, random forest classifiers, predictive modeling, cluster analysis, natural language processing (NLP), Kalman filtering and ensembles of models for optimal accuracy of analysis and prediction. More than 100 analytics techniques and methods provide big data professionals, business intelligence professionals and citizen data scientists insight on how to overcome challenges and avoid common pitfalls and traps in data analytics. The book offers solutions and tips on handling missing data, noisy and dirty data, error reduction and boosting signal to reduce noise. It discusses data visualization, prediction, optimization, artificial intelligence, regression analysis, the Cox hazard model and many analytics using case examples with applications in the healthcare, transportation, retail, telecommunication, consulting, manufacturing, energy and financial services industries. This book's state of the art treatment of advanced data analytics methods and important best practices will help readers succeed in data analytics.