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
ویرایش:
نویسندگان: Galit Shmueli. Peter C. Bruce
سری:
ناشر: Wiley
سال نشر: 2016
تعداد صفحات: 467
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 128 مگابایت
در صورت تبدیل فایل کتاب Data Mining for Business Analytics Concepts, Techniques, and Applications with JMP Pro 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 برای مفاهیم، تکنیک ها و برنامه های کاربردی تجزیه و تحلیل تجاری با JMP Pro 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.
داده کاوی برای تجزیه و تحلیل کسب و کار: مفاهیم، تکنیک ها و
برنامه های کاربردی با JMP Pro یک رویکرد کاربردی و تعاملی برای
داده کاوی ارائه می دهد.
با استفاده از برنامه های کاربردی عملی با JMP Pro، یک بسته آماری
از موسسه SAS، این کتاب از جذابیت استفاده می کند. مثال های دنیای
واقعی برای ایجاد درک نظری و عملی از روش های کلیدی داده کاوی، به
ویژه مدل های پیش بینی برای طبقه بندی و پیش بینی. موضوعات شامل
تجسم دادهها، تکنیکهای کاهش ابعاد، خوشهبندی، رگرسیون خطی و
لجستیک، طبقهبندی و درختهای رگرسیون، تجزیه و تحلیل
تفکیککننده، بیز ساده، شبکههای عصبی، مدلسازی افزایش، مدلهای
مجموعه، و پیشبینی سریهای زمانی است.
دادهکاوی برای تحلیلهای تجاری: مفاهیم، تکنیکها و برنامههای
کاربردی با JMP Pro همچنین شامل موارد زیر است:
خلاصههای مفصلی که طرح کلی موضوعات کلیدی را در ابتدای هر فصل
ارائه میکند
نمونهها و تمرینهای پایان فصل که به خوانندگان اجازه میدهد درک
خود را از مطالب ارائه شده مطالعات موردی غنی از داده برای نشان
دادن کاربردهای مختلف تکنیک های داده کاوی یک وب سایت همراه با
بیش از دوجین مجموعه داده، تمرین ها و راه حل های مطالعه موردی، و
اسلایدهایی برای مدرسان Data Mining for Business Analytics:
Concepts, Techniques, and Applications with JMP Pro یک کتاب
درسی عالی برای دوره های پیشرفته در مقطع کارشناسی و کارشناسی
ارشد در زمینه داده کاوی، تجزیه و تحلیل پیش بینی کننده و تجزیه و
تحلیل تجاری است. این کتاب همچنین منبعی بینظیر برای دانشمندان
داده، تحلیلگران، محققان و متخصصانی است که با تجزیه و تحلیل در
زمینههای مدیریت، مالی، بازاریابی، فناوری اطلاعات، مراقبتهای
بهداشتی، آموزشی و هر زمینه غنی از دادههای دیگر کار میکنند. .
Data Mining for Business Analytics: Concepts, Techniques, and
Applications with JMP Pro presents an applied and interactive
approach to data mining.
Featuring hands-on applications with JMP Pro, a statistical
package from the SAS Institute, the book uses engaging,
real-world examples to build a theoretical and practical
understanding of key data mining methods, especially predictive
models for classification and prediction. Topics include data
visualization, dimension reduction techniques, clustering,
linear and logistic regression, classification and regression
trees, discriminant analysis, naive Bayes, neural networks,
uplift modeling, ensemble models, and time series
forecasting.
Data Mining for Business Analytics: Concepts, Techniques, and
Applications with JMP Pro also includes:
Detailed summaries that supply an outline of key topics at the
beginning of each chapter
End-of-chapter examples and exercises that allow readers to
expand their comprehension of the presented material Data-rich
case studies to illustrate various applications of data mining
techniques A companion website with over two dozen data sets,
exercises and case study solutions, and slides for instructors
Data Mining for Business Analytics: Concepts, Techniques, and
Applications with JMP Pro is an excellent textbook for advanced
undergraduate and graduate-level courses on data mining,
predictive analytics, and business analytics. The book is also
a one-of-a-kind resource for data scientists, analysts,
researchers, and practitioners working with analytics in the
fields of management, finance, marketing, information
technology, healthcare, education, and any other data-rich
field.