دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Commercial Data Mining. Processing, Analysis and Modeling for Predictive Analytics Projects
دانلود کتاب داده کاوی تجاری پردازش، تحلیل و مدل‌سازی برای پروژه‌های تحلیل پیش‌بینی‌کننده
مشخصات کتاب
Commercial Data Mining. Processing, Analysis and Modeling for Predictive Analytics Projects
ویرایش:
نویسندگان: David Nettleton (Auth.)
سری:
ISBN (شابک) : 9780124166028
ناشر: Morgan Kaufmann
سال نشر: 2014
تعداد صفحات: 339
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 مگابایت
قیمت کتاب (تومان) : 41,000
در صورت تبدیل فایل کتاب Commercial Data Mining. Processing, Analysis and Modeling for Predictive Analytics Projects 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 داده کاوی تجاری پردازش، تحلیل و مدل‌سازی برای پروژه‌های تحلیل پیش‌بینی‌کننده 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 داده کاوی تجاری پردازش، تحلیل و مدل‌سازی برای پروژه‌های تحلیل پیش‌بینی‌کننده
چه در زمینه داده کاوی کاملاً تازه کار باشید و چه روی دهمین پروژه تجزیه و تحلیل پیشگویانه خود کار می کنید، Commercial Data Mining به عنوان یک مرجع قابل دسترسی که کل فرآیند و موضوعات مرتبط را تشریح می کند، در کنار شما خواهد بود. در این کتاب، شما خواهید آموخت که سازمان شما برای ایجاد کسب و کار با استفاده از دارایی های اطلاعاتی موجود، به حجم عظیمی از داده ها یا بودجه 500 فورچون نیاز ندارد. نویسنده متخصص دیوید نتلتون شما را از ابتدا تا انتها در این فرآیند راهنمایی می کند و همه چیز را از اهداف تجاری گرفته تا منابع داده و انتخاب تا تحلیل و مدل سازی پیش بینی را پوشش می دهد. داده کاوی تجاری شامل مطالعات موردی و نمونه های عملی از بیش از 20 سال تجربه تجاری نتلتون است. موارد دنیای واقعی که وفاداری مشتری، فروش متقابل و پیش‌بینی مخاطب را در صنایعی از جمله بیمه، بانکداری و رسانه پوشش می‌دهد، مفاهیم و تکنیک‌های توضیح داده شده در سراسر کتاب را نشان می‌دهد. ارزیابی هزینه و فایده پروژه‌های بالقوه را نشان می‌دهد شامل توصیه‌های فروشندگان درباره مواردی که باید در راه‌حل‌های تولیدی به دنبال آن باشید و همچنین نکاتی در مورد ساخت ابزارهای داده‌کاوی خودتان. سطوح شامل مثال‌های عملی و مطالعات موردی و همچنین بینش‌های تجاری عملی از تجربه خود نویسنده است
توضیحاتی درمورد کتاب به خارجی
Whether you are brand new to data mining or working on your tenth predictive analytics project, Commercial Data Mining will be there for you as an accessible reference outlining the entire process and related themes. In this book, you'll learn that your organization does not need a huge volume of data or a Fortune 500 budget to generate business using existing information assets. Expert author David Nettleton guides you through the process from beginning to end and covers everything from business objectives to data sources, and selection to analysis and predictive modeling. Commercial Data Mining includes case studies and practical examples from Nettleton's more than 20 years of commercial experience. Real-world cases covering customer loyalty, cross-selling, and audience prediction in industries including insurance, banking, and media illustrate the concepts and techniques explained throughout the book. Illustrates cost-benefit evaluation of potential projects Includes vendor-agnostic advice on what to look for in off-the-shelf solutions as well as tips on building your own data mining tools Approachable reference can be read from cover to cover by readers of all experience levels Includes practical examples and case studies as well as actionable business insights from author's own experience
فهرست مطالب
Content:
Front Matter, Pages i-ii
Copyright, Page iv
Acknowledgments, Page xi
Chapter 1 - Introduction, Pages 1-6
Chapter 2 - Business Objectives, Pages 7-16
Chapter 3 - Incorporating Various Sources of Data and Information, Pages 17-47
Chapter 4 - Data Representation, Pages 49-66
Chapter 5 - Data Quality, Pages 67-78
Chapter 6 - Selection of Variables and Factor Derivation, Pages 79-104
Chapter 7 - Data Sampling and Partitioning, Pages 105-117
Chapter 8 - Data Analysis, Pages 119-136
Chapter 9 - Data Modeling, Pages 137-157
Chapter 10 - Deployment Systems: From Query Reporting to EIS and Expert Systems, Pages 159-170
Chapter 11 - Text Analysis, Pages 171-179
Chapter 12 - Data Mining from Relationally Structured Data, Marts, and Warehouses, Pages 181-193
Chapter 13 - CRM – Customer Relationship Management and Analysis, Pages 195-208
Chapter 14 - Analysis of Data on the Internet I – Website Analysis and Internet Search, Pages 209-210
Chapter e14 - Analysis of Data on the Internet I – Website Analysis and Internet Search, Pages e1-e13
Chapter 15 - Analysis of Data on the Internet II – Search Experience Analysis, Page 211
Chapter e15 - Analysis of Data on the Internet II – Search Experience Analysis, Pages e15-e26
Chapter 16 - Analysis of Data on the Internet III – Online Social Network Analysis, Page 213
Chapter e16 - Analysis of Data on the Internet III – Online Social Network Analysis, Pages e27-e42
Chapter 17 - Analysis of Data on the Internet IV – Search Trend Analysis over Time, Pages 215-216
Chapter e17 - Analysis of Data on the Internet IV – Search Trend Analysis over Time, Pages e43-e53
Chapter 18 - Data Privacy and Privacy-Preserving Data Publishing, Pages 217-228
Chapter 19 - Creating an Environment for Commercial Data Analysis, Pages 229-238
Chapter 20 - Summary, Page 239
Appendix - Case Studies, Pages 241-275
Glossary, Page 277
Glossary, Pages e55-e59
Bibliography, Pages 279-280
Index, Pages 281-288
نظرات کاربران
کتاب های تصادفی
