Predictive Analytics with Microsoft Azure Machine Learning : Build and Deploy Actionable Solutions in Minutes

ویرایش: 1st ed 
نویسندگان: Barga. Roger,  Fontama. Valentine,  Tok. Wee Hyong  
سری:  
ISBN (شابک) : 9781484204467, 148420445X 
ناشر: Apress : Imprint : Apress 
سال نشر: 2014 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 86,000



علوم داده و یادگیری ماشین تقاضای زیادی دارند، زیرا مشتریان به طور فزاینده ای به دنبال راه هایی برای به دست آوردن اطلاعات بینش از همه داده های خود هستند. اکنون مشتریان بیشتری متوجه می شوند که هوش تجاری کافی نیست زیرا حجم، سرعت و پیچیدگی داده ها اکنون با ابزارهای تحلیل سنتی مخالفت می کند. در حالی که هوش تجاری به تجزیه و تحلیل توصیفی و تشخیصی می پردازد، علم داده فرصت های جدیدی را از طریق تجزیه و تحلیل پیش بینی و تجویزی باز می کند.

هدف این کتاب ارائه مقدمه ای ملایم و سازماندهی شده آموزشی در زمینه علم داده و یادگیری ماشین، با تمرکز بر ساخت و استقرار مدل های پیش بینی است.

این کتاب همچنین نمای کلی کاملی از سرویس یادگیری ماشینی Microsoft Azure با استفاده از توصیف‌های وظیفه‌گرا و مثال‌های انتها به انتها ارائه می‌کند که برای اطمینان از اینکه خواننده می‌تواند فوراً از این سرویس مهم جدید استفاده کند کافی است. تمام جنبه‌های سرویس از ورود داده‌ها گرفته تا استفاده از یادگیری ماشین و ارزیابی مدل به‌دست‌آمده، تا استقرار مدل به‌دست‌آمده به‌عنوان یک سرویس وب یادگیری ماشینی را توصیف می‌کند. در نهایت، این کتاب سعی می‌کند حداقل وابستگی‌ها را داشته باشد تا بتوانید به راحتی فصل‌هایی را برای خواندن انتخاب و انتخاب کنید. وقتی وابستگی‌ها وجود داشته باشند، در ابتدا و انتهای فصل فهرست می‌شوند.

ساده بودن این سرویس جدید از مایکروسافت کمک می‌کند تا علم داده و یادگیری ماشین به مخاطبان بسیار بیشتری نسبت به محصولات موجود در این فضا ارائه شود. بیاموزید که چگونه می‌توانید به‌سرعت مدل‌های پیش‌بینی پیچیده را به‌عنوان سرویس‌های وب یادگیری ماشینی با سرویس جدید یادگیری ماشین Azure از مایکروسافت بسازید و به کار ببرید.

Data Science and Machine Learning are in high demand, as customers are increasingly looking for ways to glean insights from all their data. More customers now realize that Business Intelligence is not enough as the volume, speed and complexity of data now defy traditional analytics tools. While Business Intelligence addresses descriptive and diagnostic analysis, Data Science unlocks new opportunities through predictive and prescriptive analysis.

The purpose of this book is to provide a gentle and instructionally organized introduction to the field of data science and machine learning, with a focus on building and deploying predictive models.

The book also provides a thorough overview of the Microsoft Azure Machine Learning service using task oriented descriptions and concrete end-to-end examples, sufficient to ensure the reader can immediately begin using this important new service. It describes all aspects of the service from data ingress to applying machine learning and evaluating the resulting model, to deploying the resulting model as a machine learning web service. Finally, this book attempts to have minimal dependencies, so that you can fairly easily pick and choose chapters to read. When dependencies do exist, they are listed at the start and end of the chapter.

The simplicity of this new service from Microsoft will help to take Data Science and Machine Learning to a much broader audience than existing products in this space. Learn how you can quickly build and deploy sophisticated predictive models as machine learning web services with the new Azure Machine Learning service from Microsoft.

Content: Part 1: Introducing Data Science and Microsoft Azure machine Learning1. Introduction to Data Science2. Introducing Microsoft Azure Machine Learning3. Integration with R Part 2: Statistical and Machine Learning Algorithms4. Introduction to Statistical and Machine Learning AlgorithmsPart 3: Practical applications5. Customer propensity models 6. Building churn models7. Customer segmentation models8. Predictive Maintenance