Machine Learning for Business Analytics: Fogalmak, technikák és alkalmazások a Rapidminerben

Eredeti címe:

Machine Learning for Business Analytics: Concepts, Techniques and Applications in Rapidminer

Könyv tartalma:

A gépi tanulás - más néven adatbányászat vagy adatelemzés - az adattudomány alapvető része. A szervezetek számos területen alkalmazzák, hogy a nyers adatokból hasznosítható információkat hozzanak létre.

Machine Learning for Business Analytics: Concepts, Techniques, and Applications in RapidMiner átfogó bevezetést és áttekintést nyújt erről a módszertanról. Ez a bestseller tankönyv a statisztikai és a gépi tanulás algoritmusait egyaránt tárgyalja az előrejelzés, az osztályozás, a vizualizáció, a dimenziócsökkentés, a szabálybányászat, az ajánlások, a klaszterezés, a szövegbányászat, a kísérletezés és a hálózati analitika területén. A gyakorlati feladatok és valós esettanulmányok mellett a könyv a gépi tanulási technikák felelős használatának menedzseri és etikai kérdéseit is tárgyalja.

Ez a Machine Learning for Business Analytics hetedik kiadása, és az első, amely a RapidMiner szoftvert használja. Ez a kiadás a következőket is tartalmazza:

⬤ Új társszerző, Amit Deokar, aki a RapidMiner segítségével üzleti analitikai kurzusok oktatásában szerzett tapasztalattal rendelkezik.

⬤ A RapidMiner, egy nyílt forráskódú gépi tanulási platform integrált használata, amely az elmúlt években kereskedelmi forgalomban is népszerűvé vált.

⬤ Egy kibővített fejezet, amely a mélytanulási technikák tárgyalására összpontosít.

⬤ Új fejezet a kísérleti visszajelzési technikákról, beleértve az A/B tesztelést, a felhajtóerő modellezést és a megerősítő tanulást.

⬤ Új fejezet a felelős adattudományról.

⬤ Frissítések és új anyagok az MBA, Masters in Business Analytics és kapcsolódó programokat, alap-, diploma- és vezetői kurzusokat oktató oktatóktól, valamint hallgatóiktól kapott visszajelzések alapján.

⬤ Egy teljes fejezetet szentel a releváns esettanulmányoknak, több mint egy tucat esettel, amelyek a gépi tanulási technikák alkalmazásait mutatják be.

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

⬤ Egy kísérő weboldal több mint két tucat adatkészlettel és oktatói anyagokkal, köztük gyakorlatmegoldásokkal, diákkal és esetmegoldásokkal.

Ez a tankönyv ideális forrás az adattudomány, a prediktív analitika és az üzleti analitika felsőfokú alap- és mesterképzési kurzusaihoz. Kiváló referencia az elemzők, kutatók és adattudományi szakemberek számára is, akik kvantitatív adatokkal dolgoznak a menedzsment, a pénzügy, a marketing, a műveletirányítás, az információs rendszerek, az informatika és az informatika területén.