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: James D Miller
سری:
ISBN (شابک) : 1785880772, 9781785880773
ناشر: Packt Publishing
سال نشر: 2016
تعداد صفحات: 243
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری IBM Watson Analytics: سیستم های مشتری-سرور، داده ها در سازمان، شبکه و رایانش ابری، رایانه ها و فناوری، برنامه های کاربردی سازمانی، نرم افزار، رایانه ها و فناوری
در صورت تبدیل فایل کتاب Learning IBM Watson Analytics 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 یادگیری IBM Watson Analytics 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.
مفاهیم و اصطلاحات مهم -- ساختار یافته در مقابل بدون ساختار -- تجزیه و تحلیل متن -- جستجو -- اکتشاف -- استخراج -- مجموعه ها -- جنبه ها -- فراوانی -- همبستگی -- انحراف -- به طور کلی توصیه خوب -- نکات -- عضویت -- - خلاصه - فصل 2: شناسایی موارد استفاده - تعریف یک مورد استفاده - اهمیت موارد استفاده - کار با واتسون - چه چیزی از دادههای خود بپرسید - ایجاد سؤالات - قرار دادن دادهها در زمینه - اهمیت دادهها زمینه -- استفاده از مثال های موردی -- خلاصه -- فصل 3: طراحی راه حل ها با Watson Analytics -- ملاحظات داده
Important concepts and terminologies -- Structured versus unstructured -- Text analytics -- Searching -- Discovery -- Mining -- Collections -- Facets -- Frequency -- Correlation -- Deviation -- Generally good advice -- Hints -- Join in -- Summary -- Chapter 2: Identifying Use Cases -- Defining a use case -- Importance of use cases -- Working with Watson -- What to ask of your data -- Building questions -- Putting data into context -- Importance of data context -- Use case examples -- Summary -- Chapter 3: Designing Solutions with Watson Analytics -- Data considerations