Книжный магазин. Деловая литература.
Каталог книг Книжные новинки Скоро будет! Наш блог Отзывы читателей о книгах О нас Помощь


Купить 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

Автор   Вячеслав Орешков , Николай Паклин
Год издания  2012
Издательство  Питер
Язык  Русский
Страниц  704
ISBN  978-5-459-00717-6
Тип обложки  Твердая

Аннотация издательства
Оглавление
Отзывы читателей
С этой книгой заказывают

   рекомендуем
цена: 0.00 грн.

Аннотация издательства

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

  • 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

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 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 отзыв о книге "Бизнес-аналитика: от данных к знаниям (+CD). Учебное пособие. 2-е издание, исправленное", Вячеслав Орешков , Николай Паклин

Ваше имя: Ваш e-mail:
Ваш отзыв будет опубликован на сайте после проверки модератором.

С этой книгой заказывают:




Купить Искусство розничного банкинга. Факты, аналитика, прогнозы

Искусство розничного банкинга. Факты, аналитика, прогнозы
Кроксфорд Хью, Абрамсон Фрэнк, Яблоновски Алекс
Купить О чем говорят цифры. Как понимать и использовать данные

О чем говорят цифры. Как понимать и использовать данные
Дэвенпорт Том, Ким Джин Хо
Купить Управление на основе данных. Как интерпретировать цифры и принимать качественные решения в бизнесе

Управление на основе данных. Как интерпретировать цифры и принимать качественные решения в бизнесе
Тим Филлипс






Корзина

Корзина пуста
Найти книгу:
  
Лучшие деловые книги 2011 Лучшие деловые книги

бизнес книги

Заказать книги Вы можете через
интернет-магазин с доставкой или в Киеве -
ул. Вербовая 24, офис 8 (напротив выхода из М. Петровка)

Лучшие бизнес книги читайте вместе с нами!

 
  Партнерская программа

© Copyright kniga.biz.ua
Если у вас есть вопросы по книгам,
вы можете позвонить
067-466-83-23
info@kniga.biz.ua
 


Карта сайта
Google+