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: اقتصاد ریاضی ویرایش: نویسندگان: Galit Shmueli, Peter C. Bruce, Peter Gedeck, Nitin R. Patel سری: ISBN (شابک) : 1119549841, 9781119549840 ناشر: Wiley سال نشر: 2020 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Data Mining for Business Analytics: Concepts, Techniques and Applications in Python 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 تجزیه و تحلیل کسب و کار: مفاهیم، تکنیک ها و کاربردها در پایتون 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.
این کتاب راهنمایی دقیق و دقیق در مورد تکنیک های داده کاوی اساسی ارائه می دهد. این کتاب خوانندگان را از طریق استفاده از نرم افزار پایتون برای توسعه مدل ها و تکنیک های پیش بینی به منظور توصیف و یافتن الگوها در داده ها راهنمایی می کند. نویسندگان از مثالهای جالب و واقعی برای ایجاد درک نظری و عملی از روشهای دادهکاوی کلیدی، با تمرکز بر تجزیه و تحلیل به جای برنامهنویسی، استفاده میکنند. این کتاب شامل بحث هایی در مورد زیرروال های پایتون است که به خوانندگان اجازه می دهد تا با داده های ارائه شده به صورت دستی کار کنند. در سرتاسر کتاب، کاربرد موضوعات مورد بحث بر روی مشکل کسب و کار به عنوان انگیزه متمرکز شده و از تئوری های آماری غیرضروری اجتناب می کند. موضوعات تحت پوشش شامل سری های زمانی، متن کاوی، و کاهش ابعاد است. هر فصل با تمرین هایی به پایان می رسد که به خوانندگان اجازه می دهد درک خود را از مطالب ارائه شده گسترش دهند. بیش از دوجین موردی که نیاز به استفاده از تکنیک های مختلف داده کاوی دارند معرفی شده اند و یک وب سایت مرتبط دارای بیش از دوجین مجموعه داده، راه حل تمرین، اسلایدهای پاورپوینت و راه حل های موردی است.
This book supplies insightful, detailed guidance on fundamental data mining techniques. The book guides readers through the use of Python software for developing predictive models and techniques in order to describe and find patterns in data. The authors use interesting, real-world examples to build a theoretical and practical understanding of key data mining methods, with a focus on analytics rather than programming. The book includes discussions of Python subroutines, allowing readers to work hands-on with the provided data. Throughout the book, applications of the discussed topics focus on the business problem as motivation and avoid unnecessary statistical theory. Topics covered include time series, text mining, and dimension reduction. Each chapter concludes with exercises that allow readers to expand their comprehension of the presented material. Over a dozen cases that require use of the different data mining techniques are introduced, and a related Web site features over two dozen data sets, exercise solutions, PowerPoint slides, and case solutions.