大数据挖掘与机器学习

大数据挖掘与机器学习
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: [美] (杰瑞德·迪安) , ,
2015-10
版次: 1
ISBN: 9787115397362
定价: 55.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 233页
字数: 228千字
正文语种: 简体中文
分类: 经济
47人买过
  • 《大数据挖掘与机器学习:工业4.0时代重塑商业价值》分为3个部分,共17章。第Ⅰ部分“计算环境”,包括第1章到第3章。第Ⅱ部分“将数据转化为商业价值”,包括第4章到第10章。这一部分聚焦于数据挖掘活动中所要用到的方法、算法和路径。第Ⅲ部分“将其全部结合起来的成功案例”包括第11章到第17章。本部分主要描述了作者参与过的成功应用大数据分析优化企业决策、提高企业价值的公司案例。
    《大数据挖掘与机器学习:工业4.0时代重塑商业价值》可作为企业管理人员、营销主管、分析人员、IT人员等作为理解大数据、应用大数据为企业创造价值的指引,同时,本书也可供统计学、应用数学及计算机专业学者和研究人员参考学习。 Jared Dean(杰瑞德·迪安)是SAS研究院的研发高级总监。他负责SAS全球数据挖掘解决方案的开发。这包括客户互动、新功能开发、技术支持、销售支持和产品集成。在加入SAS之前,Dean是美国人口调查局的数学统计学家。 1     概述
    大数据大事年表
    为何这个主题现在很重要
    大数据是否只是一时的狂热?
    在何处应用大数据会产生重大影响?
    21 第Ⅰ部分 计算环境
    23 第1章 硬件
    1.1 存储器(磁盘)
    1.2 中央处理器
    1.3 内存
    1.4 网络
    31 第2章 分布式系统
    2.1 数据库计算
    2.2 文件系统计算
    2.3 考虑因素
    37 第3章 分析工具
    3.1 Weka
    3.2 Java和JVM语音
    3.3 R语言
    3.4 Python
    3.5 SAS
    47 第Ⅱ部分 将数据转化为商业价值
    49 第4章 预测建模
    4.1 一个建模方法
    4.2 sEMMA
    4.3 二元分类法
    4.4 多层分类法
    4.5 区间预测
    4.6 预测模型评估
    63 第5章 一般预测建模技术
    5.1 RFM
    5.2 回归
    5.3 广义线性模型
    5.4 神经网络
    5.5 决策树和回归树
    5.6 支持向量机
    5.7 贝叶斯网络分类方法
    5.8 组合方法
    117 第6章 细分
    6.1 聚类分析
    6.2 距离测度(指标)
    6.3 聚类评估
    6.4 聚类数量
    6.5 K-means算法
    6.6 分层聚类法
    6.7 群特征刻画
    129 第7章 增量响应建模
    7.1 建立响应模型
    7.2 评估增量响应
    137 第8章 时间序列数据挖掘
    8.1 降维
    8.2 探查模式
    8.3 时间序列数据挖掘的应用:Nike+Fuelband智能手环
    149 第9章 推荐系统
    9.1 何为推荐系统?
    9.2 应用于何处?
    9.3 如何起作用?
    9.4 推荐质量评估
    9.5 推荐系统的应用:SAS 图书馆
    161 第10章 文本分析
    10.1 信息检索
    10.2 内容分类
    10.3 文本挖掘
    10.4 文本分析应用:让我们来玩《危险边缘》(Jeopardy!)
    177 第Ⅲ部分 将其全都结合起来的成功案例
    179 第11章 基于某大型美国金融服务公司的案例研究
    11.1 传统市场营销活动流程
    11.2 高效的营销解决方案
    11.3 变革的价值主张
    187 第12章 主要卫生保健提供者的案例研究
    12.1 CAHPS
    12.2 HEDIS
    12.3 HOS
    12.4 IRE
    197 第13章 技术制造商案例研究
    13.1 发现设备缺陷
    13.2 如何降低成本
    201 第14章 在线品牌管理的案例研究
    205 第15章 移动应用推荐的案例研究
    209 第16章 高科技产品制造商的案例研究
    16.1 处理缺失数据
    16.2 超越生产的应用
    213 第17章 展望未来
    17.1 重复性研究
    17.2 隐私与公共数据集
    17.3 物联网
    17.4 未来的软件开发
    17.5 未来算法开发
    17.6 总结
    221 关于作者
    223 附录
    225 参考文献
    231 译者后记
  • 内容简介:
    《大数据挖掘与机器学习:工业4.0时代重塑商业价值》分为3个部分,共17章。第Ⅰ部分“计算环境”,包括第1章到第3章。第Ⅱ部分“将数据转化为商业价值”,包括第4章到第10章。这一部分聚焦于数据挖掘活动中所要用到的方法、算法和路径。第Ⅲ部分“将其全部结合起来的成功案例”包括第11章到第17章。本部分主要描述了作者参与过的成功应用大数据分析优化企业决策、提高企业价值的公司案例。
    《大数据挖掘与机器学习:工业4.0时代重塑商业价值》可作为企业管理人员、营销主管、分析人员、IT人员等作为理解大数据、应用大数据为企业创造价值的指引,同时,本书也可供统计学、应用数学及计算机专业学者和研究人员参考学习。
  • 作者简介:
    Jared Dean(杰瑞德·迪安)是SAS研究院的研发高级总监。他负责SAS全球数据挖掘解决方案的开发。这包括客户互动、新功能开发、技术支持、销售支持和产品集成。在加入SAS之前,Dean是美国人口调查局的数学统计学家。
  • 目录:
    1     概述
    大数据大事年表
    为何这个主题现在很重要
    大数据是否只是一时的狂热?
    在何处应用大数据会产生重大影响?
    21 第Ⅰ部分 计算环境
    23 第1章 硬件
    1.1 存储器(磁盘)
    1.2 中央处理器
    1.3 内存
    1.4 网络
    31 第2章 分布式系统
    2.1 数据库计算
    2.2 文件系统计算
    2.3 考虑因素
    37 第3章 分析工具
    3.1 Weka
    3.2 Java和JVM语音
    3.3 R语言
    3.4 Python
    3.5 SAS
    47 第Ⅱ部分 将数据转化为商业价值
    49 第4章 预测建模
    4.1 一个建模方法
    4.2 sEMMA
    4.3 二元分类法
    4.4 多层分类法
    4.5 区间预测
    4.6 预测模型评估
    63 第5章 一般预测建模技术
    5.1 RFM
    5.2 回归
    5.3 广义线性模型
    5.4 神经网络
    5.5 决策树和回归树
    5.6 支持向量机
    5.7 贝叶斯网络分类方法
    5.8 组合方法
    117 第6章 细分
    6.1 聚类分析
    6.2 距离测度(指标)
    6.3 聚类评估
    6.4 聚类数量
    6.5 K-means算法
    6.6 分层聚类法
    6.7 群特征刻画
    129 第7章 增量响应建模
    7.1 建立响应模型
    7.2 评估增量响应
    137 第8章 时间序列数据挖掘
    8.1 降维
    8.2 探查模式
    8.3 时间序列数据挖掘的应用:Nike+Fuelband智能手环
    149 第9章 推荐系统
    9.1 何为推荐系统?
    9.2 应用于何处?
    9.3 如何起作用?
    9.4 推荐质量评估
    9.5 推荐系统的应用:SAS 图书馆
    161 第10章 文本分析
    10.1 信息检索
    10.2 内容分类
    10.3 文本挖掘
    10.4 文本分析应用:让我们来玩《危险边缘》(Jeopardy!)
    177 第Ⅲ部分 将其全都结合起来的成功案例
    179 第11章 基于某大型美国金融服务公司的案例研究
    11.1 传统市场营销活动流程
    11.2 高效的营销解决方案
    11.3 变革的价值主张
    187 第12章 主要卫生保健提供者的案例研究
    12.1 CAHPS
    12.2 HEDIS
    12.3 HOS
    12.4 IRE
    197 第13章 技术制造商案例研究
    13.1 发现设备缺陷
    13.2 如何降低成本
    201 第14章 在线品牌管理的案例研究
    205 第15章 移动应用推荐的案例研究
    209 第16章 高科技产品制造商的案例研究
    16.1 处理缺失数据
    16.2 超越生产的应用
    213 第17章 展望未来
    17.1 重复性研究
    17.2 隐私与公共数据集
    17.3 物联网
    17.4 未来的软件开发
    17.5 未来算法开发
    17.6 总结
    221 关于作者
    223 附录
    225 参考文献
    231 译者后记
查看详情
12
系列丛书 / 更多
大数据挖掘与机器学习
大数据分析:决胜互联网金融时代
[美]Michael、Michele、Ambiga Dhiraj 著;阿里巴巴集团商家业务事业部 译
大数据挖掘与机器学习
大数据分析:用互联网思维创造惊人价值
[美]伊森(Jean Paul Isson)、[美]哈里奥特(Jesse S.Harriott) 著;漆晨曦、刘斌 译
大数据挖掘与机器学习
重新定义工作:大连接时代职业、公司和领导力的颠覆性变革
[美]Jacob Morgan(雅各布·摩根) 著;刘怡 译
大数据挖掘与机器学习
大数据应用:商业案例实践(“十二五”国家重点图书出版规划项目)
[美]Phil Simon 著;漆晨曦、张淑芳 译;邓煜熙 校
大数据挖掘与机器学习
大数据分析 数据科学应用场景与实践精髓
[英]巴特·贝森斯(Bart Baesens) 著;柯晓燕、张纪元 译
大数据挖掘与机器学习
精益供应链与物流管理
[美]Paul Myerson 著;梁峥、郑诚俭、郭颖妍、李树星 译
大数据挖掘与机器学习
连接营销:极致客户体验创造无价口碑
[美]Lars Birkholm(莱斯·比克霍尔姆·彼得森)、Ron(罗恩·泊森)、Christopher Nash(克里斯托弗·纳什) 著;漆晨曦 译
大数据挖掘与机器学习
重新定义推销 好Pitch让客户和投资人主动找你
[美]Oren Klaff(奥伦·克拉夫) 著;李卉、张魏 译
大数据挖掘与机器学习
商业模式重构:大数据、移动化和全球化
[美]Allison、Kevin、Jerry Power 著;朱莹莹、廖晓红、陈晓佳 译
大数据挖掘与机器学习
大数据营销:互联网+时代如何定位客户
[美]John F. Tanner Jr.(约翰·F. 坦纳·Jr.) 著;宋杰 译
大数据挖掘与机器学习
精准营销方法与案例:大数据时代的商业分析
[丹麦]Gert H.N.Laursen 著;漆晨曦、林清怡 译
大数据挖掘与机器学习
超越可视化:DT时代的大数据沟通与决策
[美]Zach(扎克·杰米格纳尼)、Chris Gemignani(克里斯·杰米格纳尼) 著;宋杰 译
相关图书 / 更多
大数据挖掘与机器学习
大数据驱动的突发事件情报感知及快速响应研究
唐明伟,庄玉良
大数据挖掘与机器学习
大数据处理技术基础与应用(Hadoop+Spark)
许桂秋 孙海民 胡贵恒
大数据挖掘与机器学习
大数据十讲 周烜 陈志广
周烜 陈志广
大数据挖掘与机器学习
大数据财务分析
李峰
大数据挖掘与机器学习
大数据时代的营销管理创新研究
高芳 著
大数据挖掘与机器学习
大数据警务的崛起
(美)安德鲁.格思里.弗格森
大数据挖掘与机器学习
大数据侦查法治化研究
彭俊磊
大数据挖掘与机器学习
大数据时代思想政治教育创新发展研究
彭晓宽 著
大数据挖掘与机器学习
大数据背景下公众参与环境治理的程度评估与作用机制研究
史亚东
大数据挖掘与机器学习
大数据医疗:从即时检测设备进行解析
(英)波利亚·阿梅里安,(英)特鲁迪·朗,(英)弗朗索瓦·范·洛格伦伯格
大数据挖掘与机器学习
大数据可视化编程和应用
倪振松 胡煜华 朱家全 主编 谢岳富 陈建平 副主编
大数据挖掘与机器学习
大数据财务与会计应用
周忠宝 著;樊斌、樊斌、周忠宝 编
您可能感兴趣 / 更多
大数据挖掘与机器学习
争吵的恋人:我们为什么相爱,又为什么争吵
[美]约翰·金,[美]瓦妮莎·贝内特
大数据挖掘与机器学习
蒙特卡洛的密码锁(数学大师的逻辑课) 文教科普读物 [美]雷蒙德·m.斯穆里安(raymondm.smullyan)
[美]雷蒙德·m.斯穆里安(raymondm.smullyan)
大数据挖掘与机器学习
全新正版图书 新任管理者快速成长蕾切尔·帕切科浙江教育出版社9787572277214
[美]蕾切尔· 帕切科
大数据挖掘与机器学习
《生命大设计.重构》(关于“生命创造现实”这一惊人事实,独特且完整的科学探索与哲学诠释)
[美]鲍勃·伯曼 著;杨泓 译;[美]罗伯特·兰札;马泰·帕夫希奇(斯洛文尼亚)
大数据挖掘与机器学习
杰出投资者的底层认知:成功投资与明智创富的10个茅塞顿开之问(《聪明的投资者》新时代精华版)
[美]J.戴维·斯坦恩(J.David Stein) 著;刘寅龙 译;庞鑫
大数据挖掘与机器学习
浴缸里的海洋
[美]塞思·菲什曼
大数据挖掘与机器学习
新视界文库-生命故事:生物学上的伟大发现
[美]肖恩·B.卡罗尔
大数据挖掘与机器学习
洛丽塔原型:小说《洛丽塔》背后的萨莉?霍纳绑架案
[美]萨拉·魏恩曼 著;真故图书 出品
大数据挖掘与机器学习
托尔斯泰
[美]莉莎·克纳普(Liza Knapp)
大数据挖掘与机器学习
奇迹之门 《纽约时报》畅销书作家写给孩子的一封“成长家书”。让父母的爱与肯定,成为孩子探索世界的底气。拥抱成长的不确定性,打开通向无限可能的“奇迹之门”。
[美]艾莉森·麦基/文 (美) 柳泰恩 图
大数据挖掘与机器学习
全球通史(全六册)(另一个角度的“全球通史”,不一样的视野与新知。以地理为骨,历史为肉,一部超级丰满的世界通史。)
[美]塞缪尔·古德里奇 译者:冷惠玲、冯佳娜、王小忠、孙丽霞、李江艳
大数据挖掘与机器学习
《星际争霸》动画影像艺术
[美]罗伯特·布鲁克斯