описание
звоните нам с 9:00 до 19:00
+7(495)374-67-62
 

Бизнес-аналитика: от данных к знаниям + CD: Учебное пособие (2-е издание, исправленное)

Бизнес-аналитика: от данных к знаниям + CD: Учебное пособие (2-е издание, исправленное)
Количество:
  
-
+
Цена: 700 
P
В корзину
В наличии
Артикул: 00-01006573
Автор: Паклин Н.Б., Орешков В.И.
Издательство: Питер (все книги издательства)
ISBN: 978-5-459-00717-6
Год: 2013
Переплет: Мягкая обложка
Страниц: 704
Книга представляет собой руководство для профессиональных бизнес-аналитиков, занимающихся внедрением корпоративных аналитических систем. В теоретической части последовательно освещаются современные технологии сбора и анализа структурированной информации: хранилища данных, ETL, OLAP, Data Mining, Knowledge Discovery in Databases. В практической части приводятся примеры решения бизнес-задач на аналитической платформе Deductor Academic.
В данное, второе, издание включены разделы по последовательным шаблонам, байесовскому классификатору, обучению в условиях несбалансированности классов, расширена практическая часть.
Книга будет полезна всем интересующимся вопросами интеллектуального анализа данных и методами автоматического поиска закономерностей в массивах информации.
Для специалистов в области анализа данных, студентов и аспирантов.
Краткое содержание
Предисловие авторов
Об авторах
От издательства
Вступительное слово
Введение
ЧАСТЬ I. ТЕОРИЯ БИЗНЕС-АНАЛИЗА
Глава 1. Технологии анализа данных
Глава 2. Консолидация данных
Глава 3. Трансформация данных
Глава 4. Визуализация данных
Глава 5. Очистка и предобработка данных
Глава 6. Data Mining: задача ассоциации
Глава 7. Data Mining: кластеризация
Глава 8. Data Mining: классификация и регрессия. Статистические методы
Глава 9. Data Mining: классификация и регрессия. Машинное обучение
Глава 10. Анализ и прогнозирование временных рядов
Глава 11. Ансамбли моделей
Глава 12. Сравнение моделей
ЧАСТЬ II. БИЗНЕС-АНАЛИЗ В DEDUCTOR
Глава 13. Аналитическая платформа Deductor
Глава 14. Консолидация данных и аналитическая отчетность аптечной сети
Глава 15. Ассоциативные правила в стимулировании розничных продаж
Глава 16. Сегментация клиентов телекоммуникационной компании
Глава 17. Скоринговые модели для оценки кредитоспособности заемщиков
Глава 18. Прогнозирование продаж товаров в оптовой компании
Глава 19. Повышение эффективности массовой рассылки клиентам. .
Заключение
Литература
Алфавитный указатель

Оглавление
Предисловие авторов
Об авторах
От издательства
Вступительное слово
Введение
Современная бизнес-аналитика
ЧАСТЬ I. ТЕОРИЯ БИЗНЕС-АНАЛИЗА
Глава 1. Технологии анализа данных
1.1. Введение в анализ данных
1.2. Принципы анализа данных
1.3. Структурированные данные
1.4. Подготовка данных к анализу
1.5. Технологии KDD и Data Mining
1.6. Аналитические платформы
1.7. Введение в алгоритмы Data Mining
Глава 2. Консолидация данных
2.1. Задача консолидации
2.2. Введение в хранилища данных
2.3. Основные концепции хранилищ данных
2.4. Многомерные хранилища данных
2.5. Реляционные хранилища данных
2.6. Гибридные хранилища данных
2.7. Виртуальные хранилища данных
2.8. Нечеткие срезы
2.9. Введение в ETL
2.10. Извлечение данных в ETL
2.11. Очистка данных в ETL
2.12. Преобразование данных в ETL
2.13. Загрузка данных в хранилище
2.14. Загрузка данных из локальных источников
2.15. Обогащение данных
Глава 3. Трансформация данных
3.1. Введение в трансформацию данных
3.2. Трансформация упорядоченных данных
3.3. Группировка данных
3.4. Слияние данных
3.5. Квантование
3.6. Нормализация и кодирование данных
Глава 4. Визуализация данных
4.1. Введение в визуализацию
4.2. Визуализаторы общего назначения
4.3. OLAP-анализ
4.4. Визуализаторы для оценки качества моделей
4.5. Визуализаторы, применяемые для интерпретации результатов анализа
Глава 5. Очистка и предобработка данных
5.1. Оценка качества данных
5.2. Технологии и методы оценки качества данных
5.3. Очистка и предобработка
5.4. Фильтрация данных
5.5. Обработка дубликатов и противоречий
5.6. Выявление аномальных значений
5.7. Восстановление пропущенных значений
5.8. Введение в сокращение размерности
5.9. Сокращение числа признаков
5.10. Сокращение числа значений признаков и записей
5.11. Сэмплинг
Глава 6. Data Mining: задача ассоциации
6.1. Ассоциативные правила
6.2. Алгоритм Apriori
6.3. Иерархические ассоциативные правила
6.4. Последовательные шаблоны
Глава 7. Data Mining: кластеризация
7.1. Введение в кластеризацию
7.2. Алгоритм кластеризации k-means
7.3. Сети Кохонена
7.4. Карты Кохонена
7.5. Проблемы алгоритмов кластеризации
Глава 8. Data Mining: классификация и регрессия.
Статистические методы
8.1. Введение в классификацию и регрессию
8.2. Простая линейная регрессия
8.3. Оценка соответствия простой линейной регрессии реальным данным
8.4. Простая регрессионная модель
8.5. Множественная линейная регрессия
8.6. Модель множественной линейной регрессии
8.7. Регрессия с категориальными входными переменными
8.8. Методы отбора переменных в регрессионные модели
8.9. Ограничения применимости регрессионных моделей
8.10. Основы логистической регрессии
8.11. Интерпретация модели логистической регрессии
8.12. Множественная логистическая регрессия
8.13. Простой байесовский классификатор
Глава 9. Data Mining: классификация и регрессия. Машинное обучение
9.1. Введение в деревья решений
9.2. Алгоритмы построения деревьев решений
9.3. Алгоритмы ЮЗ и С4.5
9.4. Алгоритм CART
9.5. Упрощение деревьев решений
9.6. Введение в нейронные сети
9.7. Искусственный нейрон
9.8. Принципы построения нейронных сетей
9.9. Процесс обучения нейронной сети
9.10. Алгоритмы обучения нейронных сетей
9.11. Алгоритм обратного распространения ошибки
Глава 10. Анализ и прогнозирование временных рядов
10.1. Введение в прогнозирование
10.2. Временной ряд и его компоненты
10.3. Модели прогнозирования
10.4. Прогнозирование в торговле и логистике
Глава 11. Ансамбли моделей
11.1. Введение в ансамбли моделей
11.2. Бэггинг
11.3. Бустинг
11.4. Альтернативные методы построения ансамблей
Глава 12. Сравнение моделей
12.1. Оценка эффективности и сравнение моделей
12.2. Оценка ошибки модели
12.3. Издержки ошибочной классификации
12.4. Lift- и Profit-кривые
12.5. ROC-анализ
12.6. Обучение в условиях несбалансированности классов
ЧАСТЬ II. БИЗНЕС-АНАЛИЗ В DEDUCTOR Глава 13. Аналитическая платформа Deductor
Глава 14. Консолидация данных и аналитическая отчетность аптечной сети
Глава 15. Ассоциативные правила в стимулировании розничных продаж
Глава 16. Сегментация клиентов телекоммуникационной компании
Глава 17. Скоринговые модели для оценки кредитоспособности заемщиков
Глава 18. Прогнозирование продаж товаров в оптовой компании
Глава 19. Повышение эффективности массовой рассылки клиентам
Заключение
Литература
Алфавитный указатель

Пожалуйста, оставьте отзыв на товар.

Что бы оставить отзыв на товар Вам необходимо войти или зарегистрироваться
Все права защищены и охраняются законом. © 2006 - 2018 CENTRMAG