Adatbányászat az üzleti analitika számára: Fogalmak, technikák és alkalmazások Python nyelven

Olvasói vélemények

A könyv világos bevezetést nyújt a Python fogalmaiba, és átfogó útmutatóként szolgál a tanulók számára. Ugyanakkor jelentős formázási problémákkal küzd, különösen a Kindle változatban, ami frusztrációt okoz az olvashatatlan kód és a hiányzó tartalom miatt. Emellett a szövegben és a kódkiadásokban következetlenségek tapasztalhatók, ami kihívást jelent a kezdők számára a hatékony követés szempontjából.

⬤ Világos magyarázatok és informatív tartalom.
⬤ Jó a Python fogalmak gyakorlati példákkal történő elsajátításához.
⬤ Sok felhasználó úgy érzi, hogy magánoktatóhoz hasonló élményt nyújt.
⬤ Pozitív tanulási élmény azoknak, akik hajlandóak időt és energiát befektetni.

⬤ A Kindle verzió rosszul van formázva, így a kód olvashatatlan és hiányzik a tartalom.
⬤ A kód nem mindig hozza a várt eredményt, ami zavart okoz.
⬤ Többszörös formázási problémák az egyenletekkel és képletekkel a fizikai példányokban.
⬤ Hiányzik a kezdőknek szóló átfogó útmutatás, és következetlenségeket tartalmaz a hivatkozások és példák terén.

(8 olvasói vélemény alapján)

Eredeti címe:

Data Mining for Business Analytics: Concepts, Techniques and Applications in Python

Könyv tartalma:

Adatbányászat az üzleti elemzéshez: Concepts, Techniques, and Applications in Pythonaz adatbányászat koncepcióinak és módszereinek alkalmazott megközelítését mutatja be, Python szoftverrel illusztrálva.

Az olvasók megtanulják, hogyan lehet számos népszerű adatbányászati algoritmust Pythonban (egy ingyenes és nyílt forráskódú szoftverben) megvalósítani, hogy üzleti problémákat és lehetőségeket kezeljenek.

Ez ennek a sikeres szövegnek a hatodik változata, és az első, amely Pythont használ. A könyv statisztikai és gépi tanulási algoritmusokat egyaránt tartalmaz előrejelzésre, osztályozásra, vizualizációra, dimenziócsökkentésre, ajánlórendszerekre, klaszterezésre, szövegbányászatra és hálózatelemzésre. Tartalmazza továbbá a következőket:

⬤ Új társszerző, Peter Gedeck, aki egyszerre hozza magával az üzleti analitikai kurzusok Python használatával történő oktatásában szerzett tapasztalatát, valamint a gépi tanulási módszerek gyógyszerfelfedezési folyamatra történő alkalmazásával kapcsolatos szakértelmét.

⬤ Új fejezet az adatbányászat etikai kérdéseiről.

⬤ Frissítések és új anyagok az MBA-, alap-, alap-, diploma- és vezetői kurzusokat oktató oktatóktól és hallgatóiktól kapott visszajelzések alapján.

⬤ Több mint egy tucat esettanulmány, amely a leírt adatbányászati technikák alkalmazását mutatja be.

⬤ A fejezetek végén található feladatok segítenek az olvasóknak felmérni és bővíteni a bemutatott anyag megértését és kompetenciáját.

⬤ Kísérő weboldal több mint két tucat adatkészlettel és oktatói anyagokkal, köztük feladatmegoldásokkal, PowerPoint-diákkal és esetmegoldásokkal.

Adatbányászat az üzleti analitika számára: Concepts, Techniques, and Applications in Python ideális tankönyv az adatbányászat, a prediktív analitika és az üzleti analitika graduális és felsőfokú kurzusaihoz. Ez az új kiadás emellett kiváló referencia az üzleti, pénzügyi, marketing, informatikai és informatikai területeken kvantitatív módszerekkel dolgozó elemzők, kutatók és gyakorlati szakemberek számára is.

"Ez a könyv messze a legátfogóbb áttekintést nyújtja az üzleti analitikai módszerekről, amivel valaha találkoztam, és mindent lefed a klasszikus megközelítésektől, mint a lineáris és logisztikus regresszió, az olyan modern módszereken keresztül, mint a neurális hálózatok, a bagging és a boosting, sőt, még sokkal inkább üzleti specifikus eljárásokat is, mint a közösségi hálózatelemzés és a szövegbányászat. Ha nem is a biblia, de legalábbis a téma meghatározó kézikönyve.".

--Gareth M. James, University of Southern California és társszerzője (Witten, Hastie és Tibshirani) az An Introduction to Statistical Learning, with Applications in R című bestseller könyvnek.