Machine Learning for Business Analytics: Koncepcje, techniki i zastosowania w R, wydanie drugie

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 5 głosach.

Oryginalny tytuł:

Machine Learning for Business Analytics: Concepts, Techniques, and Applications in R, Second Edition

Zawartość książki:

UCZENIE MASZYNOWE W ANALITYCE BIZNESOWEJ

Uczenie maszynowe - znane również jako eksploracja danych lub analityka danych - jest podstawową częścią nauki o danych. Jest wykorzystywany przez organizacje w wielu różnych dziedzinach do przekształcania surowych danych w przydatne informacje.

Machine Learning for Business Analytics: Concepts, Techniques, and Applications in R stanowi kompleksowe wprowadzenie i przegląd tej metodologii. Ten bestsellerowy podręcznik obejmuje zarówno algorytmy statystyczne, jak i algorytmy uczenia maszynowego do przewidywania, klasyfikacji, wizualizacji, redukcji wymiarów, eksploracji reguł, rekomendacji, klastrowania, eksploracji tekstu, eksperymentów i analizy sieci. Wraz z praktycznymi ćwiczeniami i rzeczywistymi studiami przypadków, omawia również kwestie menedżerskie i etyczne dotyczące odpowiedzialnego korzystania z technik uczenia maszynowego.

Jest to drugie wydanie R Machine Learning for Business Analytics. To wydanie zawiera również

⬤ Nowego współautora, Petera Gedecka, który wnosi ponad 20-letnie doświadczenie w uczeniu maszynowym z wykorzystaniem R.

⬤ Rozszerzony rozdział skupiający się na omówieniu technik głębokiego uczenia.

⬤ Nowy rozdział poświęcony eksperymentalnym technikom sprzężenia zwrotnego, w tym testom A/B, modelowaniu wzrostu i uczeniu się ze wzmocnieniem.

⬤ Nowy rozdział poświęcony odpowiedzialnej nauce o danych.

⬤ Aktualizacje i nowe materiały oparte na informacjach zwrotnych od instruktorów uczących MBA, Masters in Business Analytics i pokrewnych programów, kursów licencjackich, dyplomowych i wykonawczych oraz od ich studentów.

⬤ Pełny rozdział poświęcony odpowiednim studiom przypadków z ponad tuzinem przypadków demonstrujących zastosowania technik uczenia maszynowego.

⬤ Ćwiczenia na końcu rozdziału, które pomagają czytelnikom ocenić i poszerzyć ich zrozumienie i kompetencje w zakresie prezentowanego materiału.

⬤ Towarzysząca strona internetowa z ponad dwoma tuzinami zestawów danych i materiałami instruktażowymi, w tym rozwiązaniami ćwiczeń, slajdami i rozwiązaniami przypadków.

Niniejszy podręcznik jest idealnym źródłem wiedzy dla studentów studiów licencjackich i magisterskich na wyższych poziomach nauki o danych, analityki predykcyjnej i analityki biznesowej. Jest to również doskonałe źródło informacji dla analityków, badaczy i praktyków nauki o danych pracujących z danymi ilościowymi w zarządzaniu, finansach, marketingu, zarządzaniu operacyjnym, systemach informatycznych, informatyce i technologii informacyjnej.