注冊(cè) | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)理論預(yù)測(cè)性分析:基于數(shù)據(jù)科學(xué)的方法(原書第2版)

預(yù)測(cè)性分析:基于數(shù)據(jù)科學(xué)的方法(原書第2版)

預(yù)測(cè)性分析:基于數(shù)據(jù)科學(xué)的方法(原書第2版)

定 價(jià):¥89.00

作 者: 杜爾森·德倫(Dursun Delen)
出版社: 機(jī)械工業(yè)出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

ISBN: 9787111718345 出版時(shí)間: 2023-02-01 包裝: 平裝-膠訂
開本: 16開 頁(yè)數(shù): 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  本書全面介紹了預(yù)測(cè)性分析相關(guān)方法,不僅直觀地闡述了相關(guān)概念,還給出了現(xiàn)實(shí)的示例問(wèn)題和真實(shí)的案例研究—包括從失敗項(xiàng)目獲得的經(jīng)驗(yàn)教訓(xùn)。本書理論和實(shí)踐內(nèi)容相對(duì)平衡,便于讀者加深理解。全書共9章,外加一個(gè)附錄。第1章為分析導(dǎo)論,第2章為預(yù)測(cè)性分析和數(shù)據(jù)挖掘?qū)д?,?章介紹預(yù)測(cè)性分析的標(biāo)準(zhǔn)流程,第4章介紹預(yù)測(cè)性分析的數(shù)據(jù)和方法,第5章介紹預(yù)測(cè)性分析算法,第6章探討預(yù)測(cè)性建模中的高階主題,第7章介紹文本分析、主題建模和情感分析,第8章介紹預(yù)測(cè)性分析使用的大數(shù)據(jù),第9章介紹深度學(xué)習(xí)和認(rèn)知計(jì)算,附錄展望了商業(yè)分析和數(shù)據(jù)科學(xué)工具的前景。本書適合計(jì)算機(jī)科學(xué)、數(shù)據(jù)科學(xué)和商業(yè)分析領(lǐng)域的相關(guān)從業(yè)人員閱讀。

作者簡(jiǎn)介

  Dursun Delen博士是商業(yè)分析、數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域的國(guó)際知名專家。他經(jīng)常受邀參加各種國(guó)內(nèi)外會(huì)議,就數(shù)據(jù)/文本挖掘、商務(wù)智能、決策支持系統(tǒng)、商業(yè)分析、數(shù)據(jù)科學(xué)和知識(shí)管理等主題做大會(huì)報(bào)告。在2001年被聘任為俄克拉荷馬州立大學(xué)(Oklahoma State University)的教授前,Delen博士在工業(yè)界工作了十多年,致力于為企業(yè)開發(fā)和交付商業(yè)分析解決方案。他曾在私營(yíng)應(yīng)用研究和咨詢公司Knowledge Based Systems,Inc.(KBSI)擔(dān)任研究科學(xué)家。在KBSI任職的五年間,Delen博士主持了很多與決策支持系統(tǒng)、企業(yè)工程、信息系統(tǒng)開發(fā)和高級(jí)商業(yè)分析相關(guān)的項(xiàng)目,這些項(xiàng)目由私營(yíng)企業(yè)和美國(guó)聯(lián)邦機(jī)構(gòu)(包括國(guó)防部、NASA、國(guó)家科學(xué)基金會(huì)、國(guó)家標(biāo)準(zhǔn)和技術(shù)研究所以及能源部)資助?,F(xiàn)在,除學(xué)術(shù)工作外,Delen博士還為企業(yè)提供專業(yè)教育和咨詢服務(wù),幫助它們?cè)u(píng)估分析、數(shù)據(jù)科學(xué)和信息系統(tǒng)需求以及開發(fā)最先進(jìn)的計(jì)算機(jī)決策支持系統(tǒng)。Delen博士目前的學(xué)術(shù)職位是工商管理威廉·S. 斯皮爾斯講席教授和商業(yè)分析帕特森家族講席教授。他是美國(guó)衛(wèi)生系統(tǒng)創(chuàng)新中心(Center for Health Systems Innovation)的研究主任,也是俄克拉荷馬州立大學(xué)斯皮爾斯商學(xué)院(Spears School of Business)管理科學(xué)和信息系統(tǒng)的杰出教授。他在Journal of Business Research、Journal of Business Analytics、Decision Sciences Journal、Decision Support Systems、Communications of the ACM、Computers & Operations Research、Annals of Operations Research、Computers in Industry、Journal of Production Operations Management、Artificial Intelligence in Medicine、Journal of the American Medical Informatics Association、Expert Systems with Applications、Renewable and Sustainable Energy Reviews、Energy、Renewable Energy等核心期刊上發(fā)表了150多篇經(jīng)過(guò)同行評(píng)議的研究論文。他還撰寫或與人合著了11本商業(yè)分析、數(shù)據(jù)科學(xué)和商務(wù)智能領(lǐng)域的專著和教材。Delen博士經(jīng)常在各種商業(yè)分析和信息系統(tǒng)的會(huì)議上擔(dān)任專題和子專題的主席。目前,他是Journal of Business Analytics和Frontiers in Artificial Intelligence的主編,Journal of Decision Support Systems、Decision Sciences和Journal of Business Research的高級(jí)編輯,Decision Analytics、International Journal of Information and Knowledge Management和International Journal of RF Technologies的副主編,以及其他幾本學(xué)術(shù)期刊的編委會(huì)成員。他曾獲得著名的富布賴特學(xué)者獎(jiǎng)、杰出教師和研究者獎(jiǎng)、校長(zhǎng)杰出研究者獎(jiǎng)和大數(shù)據(jù)導(dǎo)師獎(jiǎng)等多項(xiàng)研究和教學(xué)獎(jiǎng)項(xiàng)。

圖書目錄

第1章 分析導(dǎo)論1
1.1 名稱中有什么關(guān)系2
1.2 為什么分析和數(shù)據(jù)科學(xué)會(huì)突然
  流行起來(lái)4
1.3 分析的應(yīng)用領(lǐng)域5
1.4 分析面臨的主要挑戰(zhàn)5
1.5 分析的縱向視圖6
1.6 分析的簡(jiǎn)單分類9
1.7 分析的前沿:IBM Watson12
小結(jié)16
參考文獻(xiàn)17
第2章 預(yù)測(cè)性分析和數(shù)據(jù)挖掘?qū)д?8
2.1 什么是數(shù)據(jù)挖掘20
2.2 數(shù)據(jù)挖掘不是什么21
2.3 最常見的數(shù)據(jù)挖掘應(yīng)用22
2.4 數(shù)據(jù)挖掘能夠發(fā)現(xiàn)什么樣的模式25
2.5 流行的數(shù)據(jù)挖掘工具28
2.6 數(shù)據(jù)挖掘的潛在問(wèn)題:隱私問(wèn)題31
小結(jié)36
參考文獻(xiàn)36
第3章 預(yù)測(cè)性分析的標(biāo)準(zhǔn)流程38
3.1 數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)流程38
3.2 跨行業(yè)數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程39
3.3 SEMMA43
3.4 SEMMA和CRISP-DM45
3.5 數(shù)據(jù)挖掘的六西格瑪46
3.6 哪種方法最好47
小結(jié)51
參考文獻(xiàn)51
第4章 預(yù)測(cè)性分析的數(shù)據(jù)和方法52
4.1 數(shù)據(jù)分析中數(shù)據(jù)的本質(zhì)52
4.2 分析中的數(shù)據(jù)預(yù)處理54
4.3 數(shù)據(jù)挖掘方法57
4.4 預(yù)測(cè)57
4.5 分類58
4.6 決策樹63
4.7 數(shù)據(jù)挖掘中的聚類分析65
4.8 k均值聚類算法67
4.9 關(guān)聯(lián)68
4.10 Apriori算法70
4.11 數(shù)據(jù)挖掘和預(yù)測(cè)性分析的誤解
   與現(xiàn)實(shí)71
小結(jié)77
參考文獻(xiàn)77
第5章 預(yù)測(cè)性分析算法79
5.1 樸素貝葉斯79
5.2 最近鄰算法82
5.3 相似度度量:距離83
5.4 人工神經(jīng)網(wǎng)絡(luò)85
5.5 支持向量機(jī)88
5.6 線性回歸91
5.7 邏輯回歸94
5.8 時(shí)間序列預(yù)測(cè)95
小結(jié)99
參考文獻(xiàn)99
第6章 預(yù)測(cè)性建模中的高階主題102
6.1 模型集成102
6.2 預(yù)測(cè)性分析中的偏差–方差權(quán)衡112
6.3 預(yù)測(cè)性分析中的非平衡數(shù)據(jù)問(wèn)題115
6.4 預(yù)測(cè)性分析中機(jī)器學(xué)習(xí)模型的
  可解釋性118
小結(jié)124
參考文獻(xiàn)124
第7章 文本分析、主題建模和
    情感分析126
7.1 自然語(yǔ)言處理129
7.2 文本挖掘應(yīng)用132
7.3 文本挖掘流程135
7.4 文本挖掘工具143
7.5 主題建模144
7.6 情感分析146
小結(jié)153
參考文獻(xiàn)154
第8章 預(yù)測(cè)性分析使用的大數(shù)據(jù)156
8.1 大數(shù)據(jù)從何而來(lái)156
8.2 定義大數(shù)據(jù)的V158
8.3 大數(shù)據(jù)的基本概念160
8.4 大數(shù)據(jù)分析解決的業(yè)務(wù)問(wèn)題163
8.5 大數(shù)據(jù)技術(shù)163
8.6 數(shù)據(jù)科學(xué)家169
8.7 大數(shù)據(jù)和流分析171
8.8 數(shù)據(jù)流挖掘172
小結(jié)174
參考文獻(xiàn)175
第9章 深度學(xué)習(xí)和認(rèn)知計(jì)算176
9.1 深度學(xué)習(xí)導(dǎo)論176
9.2 淺層神經(jīng)網(wǎng)絡(luò)基礎(chǔ)179
9.3 人工神經(jīng)網(wǎng)絡(luò)的要素181
9.4 深度神經(jīng)網(wǎng)絡(luò)186
9.5 卷積神經(jīng)網(wǎng)絡(luò)189
9.6 循環(huán)神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)195
9.7 實(shí)現(xiàn)深度學(xué)習(xí)的計(jì)算機(jī)框架199
9.8 認(rèn)知計(jì)算201
小結(jié)209
參考文獻(xiàn)209
附錄 KNIME及商業(yè)分析和
   數(shù)據(jù)科學(xué)工具前景展望213

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)