Бизнес-аналитика: от данных к знаниям (+CD). Учебное пособие. 2-е издание, исправленное - Вячеслав Орешков, Николай Паклин: купить книгу в kniga.biz.ua
kniga.biz.ua

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

Код: 3514
Купить Бизнес-аналитика: от данных к знаниям (+CD). Учебное пособие. 2-е издание, исправленное Вячеслав Орешков, Николай Паклин
Книга снята с продажи
В желаемые
Доставка
БЕСПЛАТНАЯ при стоимости заказа от 990 грн
50 грн Укрпочта на отделение
70 грн Новая Почта на отделение/почтомат
95 грн доставка курьером
Подробнее

Оплата
Наличными или на терминал при получении, Безналичными, Visa/MasterCard
Автор Вячеслав Орешков, Николай Паклин
Издательство Питер
Cтраниц 704
Год 2012
ISBN 978-5-459-00717-6
Обложка твердая
Язык Русский

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

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.

pdf Отрывок из книги

Добавить свой отзыв о книге

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

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 ID3 и С4 .
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 
Aлфавитный указатель 


Оставить свой отзыв:

Рекомендуем

Фанатка. Біполярна історія ...
Кристина Морозова
Синя тюрма. Blue lock. Том 3 ...
Мунеюки Канеширо
English for Psychologist. English f ...
Коллектив авторов
Напередодні ...
Виктор Домонтович
Лотосовий ліхтар ...
Ли Хайянь

Сегодня купили