Learning Social Media Analytics with R: Przekształcanie danych z platform mediów społecznościowych w przydatne informacje biznesowe

Opinie czytelników

Książka zawiera szczegółowe przykłady i analizy dla ponad pięciu głównych platform mediów społecznościowych, z silnym naciskiem na wykorzystanie R do analizy danych. Jest dobrze skonstruowana i zawiera różnorodne przykłady i wizualizacje, dzięki czemu nadaje się do praktycznej analizy. Istnieje jednak zapotrzebowanie na wersję tej książki wykorzystującą język Python.

⬤ Szczegółowe przykłady i analizy na wielu platformach mediów społecznościowych
⬤ obejmuje zarówno podstawowe, jak i zaawansowane metody analizy
⬤ dobrze zorganizowana treść
⬤ zawiera wizualizacje
⬤ dobra dla użytkowników R.

Brak wersji w Pythonie; niektóre pożądane analizy dla sieci społecznościowych nie są dostępne w innej literaturze.

(na podstawie 4 opinii czytelników)

Oryginalny tytuł:

Learning Social Media Analytics with R: Transform data from social media platforms into actionable business insights

Zawartość książki:

Wejdź do świata mediów społecznościowych i uwolnij moc analityki, aby uzyskać wgląd w dane za pomocą R

Kluczowe cechy

⬤ Praktyczny przewodnik napisany, aby pomóc wykorzystać moc ekosystemu R do wyodrębniania, przetwarzania, analizowania, wizualizacji i modelowania danych z mediów społecznościowych.

⬤ Zapoznanie się z metodami dostępu do danych, ich wyszukiwania, czyszczenia i zarządzania danymi pochodzącymi z różnych platform mediów społecznościowych.

⬤ Wizualizacja i analiza danych z platform mediów społecznościowych w celu zrozumienia i modelowania złożonych relacji przy użyciu różnych koncepcji i technik, takich jak analiza nastrojów, modelowanie tematów, podsumowywanie tekstu, systemy rekomendacji, analiza sieci społecznościowych, klasyfikacja i klastrowanie.

Opis książki

Internet stał się naprawdę ogromny, zwłaszcza wraz z rozwojem różnych form mediów społecznościowych w ostatniej dekadzie, które dają użytkownikom platformę do wyrażania siebie, a także komunikowania się i współpracy ze sobą. Ta książka pomoże czytelnikowi zrozumieć obecny krajobraz mediów społecznościowych i dowiedzieć się, w jaki sposób można wykorzystać analitykę, aby uzyskać z niej wgląd. Dane te mogą być analizowane w celu uzyskania cennych informacji na temat zachowań i zaangażowania użytkowników, organizacji, firm i marek. Książka pomoże czytelnikom określić problemy biznesowe i rozwiązać je przy użyciu danych społecznościowych.

W książce omówionych zostanie również kilka praktycznych przypadków użycia mediów społecznościowych przy użyciu R i jego zaawansowanych pakietów w celu wykorzystania metodologii nauki o danych, takich jak analiza nastrojów, modelowanie tematów, podsumowywanie tekstu, systemy rekomendacji, analiza sieci społecznościowych, klasyfikacja i grupowanie. Umożliwi to czytelnikom poznanie różnych praktycznych podejść do pozyskiwania danych z różnych źródeł mediów społecznościowych, takich jak Twitter i Facebook. Pokaże również czytelnikom, jak ustanowić szczegółowe przepływy pracy w celu przetwarzania, wizualizacji i analizy danych w celu przekształcenia danych społecznościowych w przydatne informacje.

Czego się dowiesz

⬤ Dowiedz się, jak wykorzystywać dane z różnych platform mediów społecznościowych przy użyciu ekosystemu R.

⬤ Wykorzystanie danych z mediów społecznościowych do formułowania i rozwiązywania rzeczywistych problemów.

⬤ Analizować sieci społecznościowe i społeczności użytkowników przy użyciu pojęć z teorii grafów i analizy sieci.

⬤ Nauczyć się wykrywać opinie i nastroje, wyodrębniać motywy, tematy i trendy z nieustrukturyzowanych, zaszumionych danych tekstowych pochodzących z różnych kanałów mediów społecznościowych.

⬤ Zrozumieć sztukę przedstawiania praktycznych spostrzeżeń za pomocą skutecznych wizualizacji.

⬤ Analizować dane z głównych kanałów mediów społecznościowych, takich jak Twitter, Facebook, Flickr, Foursquare, Github, StackExchange itp.

⬤ Naucz się wykorzystywać popularne pakiety R, takie jak ggplot2, topicmodels, caret, e1071, tm, wordcloud, twittR, Rfacebook, dplyr, reshape2 i wiele innych.