"Data Mining for Business Analytics: Concepts, Techniques, and Applications in R" («Data Mining для аналитики бизнеса: концепции, техники и приложения в R») - это прикладной подход к концепциям и методам обработки данных, используя программное обеспечение R для иллюстрации. Читатели узнают, как реализовать различные популярные алгоритмы data mining в R (свободное и открытое программное обеспечение), чтобы решить проблемы и возможности бизнеса. Это пятая версия этого успешного учебника и первая, использующая R. В нем описываются как статистические, так и алгоритмы машинного обучения для прогнозирования, классификации, визуализации, уменьшения размерности, рекомендательных систем, кластеризации, текстового анализа и анализа сетей. Книга включает более десяти примеров, демонстрирующих применение описанных методов data mining, а также упражнения в конце каждой главы для проверки понимания и расширения компетенции читателей. Книга является идеальным учебником для курсов по data mining, прогнозированию аналитики бизнеса на уровне магистратуры и выше. Она также может быть использована в качестве справочника для аналитиков, исследователей и практиков, работающих с количественными методами в области бизнеса, финансов, маркетинга, компьютерных наук и информационных технологий.
Книга "Data Mining for Business Intelligence" ("Data Mining для бизнеса") автора Галит Шмуели является полноценным учебником по этому направлению науки, и в данном издании изложены основательные принципы и подходы к интеллектуальному анализу данных с актуализированными материалами и дополненной библиографией. В этом издании автор, приглашенный инструктор, профессор INSEAD, и специалист по анализу способов анализа данных в бизнесе и финансах, представляет уже пятое издание аналитического пособия. В свою очередь, оно было разработано недавно в результате активной и оперативной реакции на отзывы и оценки преподавательского сообщества и студентов.
Основной целью процесса написания этой книги было познакомить читателя с высокими современными понятиями и методами в области анализа бизнеса, включая диверсификацию разнообразия популярных алгоритмов анализа в платформе R, которая является открытым, вместе с этим бесплатным программным обеспечением. Благодаря этому, весь текст сделан доступным для широкой аудитории читателей, стремящихся к освоению и применению этих техник на уровне средней и высшей формации образования. В процессе его разработки и работы ориентация идет на преподавание специализированных предметов и курсов согласно магистерскому классу и основам наименования учреждений высшего образования (MBA, BA, BS, BA.).
Книга "Data Mining для бизнес аналитики" охватывает разделы классической и современной наук прогноза и классификации, обработки визуальных данных, масштабирования измерения, рекомендаций систем, систем сочетания, анализа текстовых данных и анализ сетей. Она также включает в себя два новых соавтора: Инбали Явав и Кейси Литчкендал. Эта их совместная статья является передовым идеологом работы по преподаванию бизнес анализа с использованием платформы R и опыта в консультировании в области бизнеса и правительства.
Эта новая редакция также является превосходным справочником для аналитиков, исследователей и практиков, работающих с количественными методами в бизнес, финансовой сфере, маркетинге, программирования и информации.
Если за вашей спиной какое-то текущее издание этого текста, в котором отсутствуют те или иные материалы, обновитесь до пятого издания, ведь он легок, доступен и познавательный.
Электронная Книга «Data Mining for Business Analytics» написана автором Galit Shmueli в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118956632
Описание книги от Galit Shmueli
Data Mining for Business Analytics: Concepts, Techniques, and Applications in R presents an applied approach to data mining concepts and methods, using R software for illustration Readers will learn how to implement a variety of popular data mining algorithms in R (a free and open-source software) to tackle business problems and opportunities. This is the fifth version of this successful text, and the first using R. It covers both statistical and machine learning algorithms for prediction, classification, visualization, dimension reduction, recommender systems, clustering, text mining and network analysis. It also includes: • Two new co-authors, Inbal Yahav and Casey Lichtendahl, who bring both expertise teaching business analytics courses using R, and data mining consulting experience in business and government • Updates and new material based on feedback from instructors teaching MBA, undergraduate, diploma and executive courses, and from their students • More than a dozen case studies demonstrating applications for the data mining techniques described • End-of-chapter exercises that help readers gauge and expand their comprehension and competency of the material presented • A companion website with more than two dozen data sets, and instructor materials including exercise solutions, PowerPoint slides, and case solutions Data Mining for Business Analytics: Concepts, Techniques, and Applications in R is an ideal textbook for graduate and upper-undergraduate level courses in data mining, predictive analytics, and business analytics. This new edition is also an excellent reference for analysts, researchers, and practitioners working with quantitative methods in the fields of business, finance, marketing, computer science, and information technology. “ This book has by far the most comprehensive review of business analytics methods that I have ever seen, covering everything from classical approaches such as linear and logistic regression, through to modern methods like neural networks, bagging and boosting, and even much more business specific procedures such as social network analysis and text mining. If not the bible, it is at the least a definitive manual on the subject.” Gareth M. James, University of Southern California and co-author (with Witten, Hastie and Tibshirani) of the best-selling book An Introduction to Statistical Learning, with Applications in R Galit Shmueli, PhD, is Distinguished Professor at National Tsing Hua University’s Institute of Service Science. She has designed and instructed data mining courses since 2004 at University of Maryland, Statistics.com, Indian School of Business, and National Tsing Hua University, Taiwan. Professor Shmueli is known for her research and teaching in business analytics, with a focus on statistical and data mining methods in information systems and healthcare. She has authored over 70 publications including books. Peter C. Bruce is President and Founder of the Institute for Statistics Education at Statistics.com. He has written multiple journal articles and is the developer of Resampling Stats software. He is the author of Introductory Statistics and Analytics: A Resampling Perspective (Wiley) and co-author of Practical Statistics for Data Scientists: 50 Essential Concepts (O’Reilly). Inbal Yahav, PhD, is Professor at the Graduate School of Business Administration at Bar-Ilan University, Israel. She teaches courses in social network analysis, advanced research methods, and software quality assurance. Dr. Yahav received her PhD in Operations Research and Data Mining from the University of Maryland, College Park. Nitin R. Patel, PhD, is Chairman and cofounder of Cytel, Inc., based in Cambridge, Massachusetts. A Fellow of the American St
