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: 2
نویسندگان: Galit Shmueli
سری: Practical Analytics
ناشر: Axelrod Schnall Publishers
سال نشر: 2011
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب پیش بینی سریال زمان عملی: راهنمای دستی (نسخه 2): برنامه ریزی و پیش بینی، مدیریت و رهبری، کسب و کار و پول، احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، برنامه ریزی و پیش بینی، مدیریت و رهبری، کسب و کار و پول، دسته بندی ها، فروشگاه Kindle، احتمالات و آمار، ریاضیات، & ریاضی، دسته بندی ها، فروشگاه کیندل
در صورت تبدیل فایل کتاب Practical Time Series Forecasting: A Hands-On Guide [2nd Edition] 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 پیش بینی سریال زمان عملی: راهنمای دستی (نسخه 2) 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.
پیشبینی سریهای زمانی عملی، مقدمهای عملی برای پیشبینی کمی
سریهای زمانی است. پیش بینی کمی جزء مهم تصمیم گیری در طیف وسیعی
از زمینه ها و در بسیاری از کارکردهای تجاری از جمله پیش بینی
اقتصادی، پیش بینی حجم کار، پیش بینی فروش و تقاضای حمل و نقل
است. پیش بینی به طور گسترده ای در خارج از تجارت مانند جمعیت
شناسی و اقلیم شناسی نیز استفاده می شود.
این کتاب خوانندگان را با محبوب ترین مدل های آماری و الگوریتم
های داده کاوی مورد استفاده در عمل آشنا می کند. مسائل مربوط به
مراحل مختلف فرآیند پیشبینی، از تعریف هدف تا جمعآوری دادهها،
تجسم، پیش پردازش، مدلسازی، ارزیابی عملکرد گرفته تا اجرا و
ارتباطات را پوشش میدهد.
ویرایش دوم حجم زیادی از محتوای جدید و سازماندهی بهبود یافته را
ارائه می دهد. پیش بینی سری های زمانی عملی برای دوره های پیش
بینی در سطوح فوق لیسانس و فوق لیسانس مناسب است. توضیحات واضح،
مثالها، مشکلات انتهای فصل و یک مورد را ارائه میدهد. روش ها با
استفاده از XLMiner، یک افزونه اکسل نشان داده شده اند. با این
حال، هر نرم افزاری که قابلیت پیش بینی سری های زمانی را داشته
باشد، می تواند همراه با کتاب مورد استفاده قرار گیرد.
Galit Shmueli، استاد SRITNE در تجزیه و تحلیل داده ها در دانشکده
تجارت هند است. او یکی از نویسندگان کتاب درسی Data Mining for
Business Intelligence و کتاب Modeling Online Auctions، در میان
چندین کتاب دیگر و بسیاری از انتشارات در مجلات حرفه ای است. او
دوره هایی را در زمینه پیش بینی، داده کاوی و سایر موضوعات تجزیه
و تحلیل داده در دانشکده بازرگانی هند، دانشکده تجارت اسمیت
دانشگاه مریلند و به صورت آنلاین در Statistics.com تدریس کرده
است.
Practical Time Series Forecasting is a hands-on introduction to
quantitative forecasting of time series. Quantitative
forecasting is an important component of decision making in a
wide range of areas and across many business functions
including economic forecasting, workload projections, sales
forecasts, and transportation demand. Forecasting is widely
used also outside of business, such as in demography and
climatology.
The book introduces readers to the most popular statistical
models and data mining algorithms used in practice. It covers
issues relating to different steps of the forecasting process,
from goal definition through data collection, visualization,
pre-processing, modeling, performance evaluation to
implementation and communication.
The second edition offers a large amount of new content and
improved organization. Practical Time Series Forecasting is
suitable for courses on forecasting at the upper-undergraduate
and graduate levels. It offers clear explanations, examples,
end-of-chapter problems and a case. Methods are illustrated
using XLMiner, an Excel add-on. However, any software that has
time series forecasting capabilities can be used with the
book.
Galit Shmueli is the SRITNE Chaired Professor of Data Analytics
at the Indian School of Business. She is co-author of the
textbook Data Mining for Business Intelligence and the book
Modeling Online Auctions, among several other books and many
publications in professional journals. She has been teaching
courses on forecasting, data mining and other data analytics
topics at the Indian School of Business, University of
Maryland’s Smith School of Business, and online at
Statistics.com.