中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
以利為利:財政關系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
數據科學與大數據管理叢書商業數據科學:數據價值與機器學習實戰 版權信息
- ISBN：9787111618355
- 條形碼：9787111618355 ; 978-7-111-61835-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據科學與大數據管理叢書商業數據科學:數據價值與機器學習實戰 內容簡介
如果用一段話來總結這本書的內容，我很愿意引用2013年第yi次寫下課程教案時對課程的描述：“它不是一門人云亦云的課程，不講理論，以實戰為主，用一套套實際數據來講如何從數據里發掘商業問題和檢驗商業假設；它是一門商業素養和技術算法綜合應用的課程，需要有開放思想和開放學習能力的同學來參與和體驗；它是一門動手性極強的課程，以臉書、騰訊、雅虎等公司的分享數據為基礎，培養學生過硬的推理和分析能力；它是一門跨學科的課程，為同學未來領導跨部門商業數據分析團隊鋪路。
數據科學與大數據管理叢書商業數據科學:數據價值與機器學習實戰 目錄
前言
第1章 大數據及其應用 …… 001
1.1 大數據的特性 …… 001
1.2 數據發展歷程 …… 005
1.3 數據挖掘經典算法簡介 …… 013
1.4 大數據技術應用：人臉的價值 …… 027
1.5 數據存儲簡介 …… 030
1.6 大數據分析：應當具備的知識架構 …… 032
1.7 本章作業 …… 033
1.8 擴展：輿情來預測股票的一些細節 …… 034
第2章 分類算法 …… 036
2.1 機器學習 …… 036
2.2 兩種思考模式：演繹和歸納 …… 042
2.3 分類算法的應用 …… 044
2.4 跨部門數據整合 …… 050
2.5 總結：機器看世界 …… 052
2.6 用戶流失識別 …… 056
2.7 生存分析簡介 …… 058
2.8 Weka簡介 …… 059
2.9 本章作業 …… 066
2.10 擴展 …… 072
第3章 聚類算法 …… 078
3.1 K均值聚類算法原理 …… 078
3.2 K均值聚類的三個步驟 …… 080
3.3 分類算法vs.聚類算法 …… 087
3.4 Weka中的聚類算法 …… 088
3.5 聚類的應用 …… 089
3.6 Weka操作聚類分析的演示 …… 094
3.7 本章作業 …… 097
3.8 擴展 …… 098
第4章 網絡分析 …… 101
4.1 網絡分析的背景 …… 101
4.2 PageRank …… 105
4.3 應用 …… 118
4.4 網絡分析 …… 124
4.5 擴展：網絡關系的存儲 …… 134
4.6 擴展：科技樹的傳承 …… 136
參考資料 …… 137
第5章 購物籃算法 …… 138
5.1 購物籃算法的原理 …… 139
5.2 評價：三個指標 …… 145
5.3 開放思考：可否把購物籃看作網絡 …… 150
5.4 Weka操作關聯規則的演示過程 …… 152
5.5 本章作業 …… 154
5.6 擴展 …… 155
第6章 神經網絡 …… 160
6.1 四個基本型：本質是窮舉 …… 160
6.2 什么是學習 …… 161
6.3 神經網絡算法 …… 170
6.4 空間想象：支持向量機（SVM） …… 185
6.5 商業問題和基本型 …… 189
6.6 Weka操作神經網絡分析的過程 …… 191
6.7 本章作業 …… 193
第7章 如何領導數據分析團隊 …… 195
7.1 大數據/機器學習/深度學習的演變 …… 195
7.2 對管理者的啟示 …… 203
7.3 本書知識回顧 …… 219
第1章 大數據及其應用 …… 001
1.1 大數據的特性 …… 001
1.2 數據發展歷程 …… 005
1.3 數據挖掘經典算法簡介 …… 013
1.4 大數據技術應用：人臉的價值 …… 027
1.5 數據存儲簡介 …… 030
1.6 大數據分析：應當具備的知識架構 …… 032
1.7 本章作業 …… 033
1.8 擴展：輿情來預測股票的一些細節 …… 034
第2章 分類算法 …… 036
2.1 機器學習 …… 036
2.2 兩種思考模式：演繹和歸納 …… 042
2.3 分類算法的應用 …… 044
2.4 跨部門數據整合 …… 050
2.5 總結：機器看世界 …… 052
2.6 用戶流失識別 …… 056
2.7 生存分析簡介 …… 058
2.8 Weka簡介 …… 059
2.9 本章作業 …… 066
2.10 擴展 …… 072
第3章 聚類算法 …… 078
3.1 K均值聚類算法原理 …… 078
3.2 K均值聚類的三個步驟 …… 080
3.3 分類算法vs.聚類算法 …… 087
3.4 Weka中的聚類算法 …… 088
3.5 聚類的應用 …… 089
3.6 Weka操作聚類分析的演示 …… 094
3.7 本章作業 …… 097
3.8 擴展 …… 098
第4章 網絡分析 …… 101
4.1 網絡分析的背景 …… 101
4.2 PageRank …… 105
4.3 應用 …… 118
4.4 網絡分析 …… 124
4.5 擴展：網絡關系的存儲 …… 134
4.6 擴展：科技樹的傳承 …… 136
參考資料 …… 137
第5章 購物籃算法 …… 138
5.1 購物籃算法的原理 …… 139
5.2 評價：三個指標 …… 145
5.3 開放思考：可否把購物籃看作網絡 …… 150
5.4 Weka操作關聯規則的演示過程 …… 152
5.5 本章作業 …… 154
5.6 擴展 …… 155
第6章 神經網絡 …… 160
6.1 四個基本型：本質是窮舉 …… 160
6.2 什么是學習 …… 161
6.3 神經網絡算法 …… 170
6.4 空間想象：支持向量機（SVM） …… 185
6.5 商業問題和基本型 …… 189
6.6 Weka操作神經網絡分析的過程 …… 191
6.7 本章作業 …… 193
第7章 如何領導數據分析團隊 …… 195
7.1 大數據/機器學習/深度學習的演變 …… 195
7.2 對管理者的啟示 …… 203
7.3 本書知識回顧 …… 219
展開全部
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
隨園食單
- >
苦雨齋序跋文-周作人自編集
- >
月亮虎
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
自卑與超越
- >
推拿
本類暢銷
