• 大数据掘金:挖掘商业世界中的数据价值
图书条目标准图

大数据掘金:挖掘商业世界中的数据价值

7 1.4折 49 九品

仅1件

北京通州

作者[美]杜尔森·德伦(Dursun Delen) 著;丁晓松、宋冰玉 译

出版社中国人民大学出版社

出版时间2016-01

版次1

装帧平装

货号9787300220314

上书时间2025-02-08

   商品详情   

品相描述:九品
图书标准信息
  • 作者 [美]杜尔森·德伦(Dursun Delen) 著;丁晓松、宋冰玉 译
  • 出版社 中国人民大学出版社
  • 出版时间 2016-01
  • 版次 1
  • ISBN 9787300220314
  • 定价 49.00元
  • 装帧 平装
  • 开本 16开
  • 纸张 胶版纸
  • 页数 228页
  • 字数 180千字
【内容简介】
在数据洪流中沙里淘金,挖掘大数据背后的价值洼地,为企业带来下一个增长红利。

在互联网风气云涌的时代,很多企业拥有数据金矿,却很少能挖出真金白银。数据本身不产生价值,企业只有分析和利用大数据,才能将散落在各个平台中的数据的真正商业价值挖掘出来。数据挖掘已成为解决复杂商业问题、抓住商机的常用工具。

《大数据掘金》一书介绍了数据挖掘与分析领域的**案例,揭示了如何系统运用数据,找出其中隐含的模式与联系,帮助你更好的利用收集到的数据为自己服务。

在这本书中,你将见识数据挖掘过程、方法与技巧当前在商业领域广阔的应用,学习使用有效的数据管理方法、工具和矩阵,认识文本和网页数据挖掘,进行大数据整合以及更多相关数据分析知识:

分析:实用、有效的分类;

数据挖掘:将数据转化为信息和知识;

应用:涉及市场营销、金融、医疗卫生、国防等领域;

方法与标准:KDD、CRISP-DM、SEMMA以及六西格玛(Six Sigma DMAIC)方法;

数据与方法:处理结构化、非结构化、半结构化的数据;

算法与统计:邻近算法、神经网络算法、SVMs;

文本分析与挖掘:情感分析、自然语言分析;

大数据:数量、种类、速度、真实性、可变性及价值。

【作者简介】
杜尔森·德伦博士

国际知名的商务分析与数据挖掘专家,经常受邀参加全国乃至国际会议,就数据与文本挖掘、商务情报、决策支持系统、商业分析以及知识管理等话题发表演讲。

德伦博士是威廉姆·斯皮尔斯和尼尔·帕特森商务分析荣誉主席、健康系统创新中心的研究主任,俄克拉何马州立大学斯皮尔斯商学院管理科学与信息系统教授。现已出版多部关于商务分析与数据挖掘方面的著作。

丁晓松(译者)

北京外国语大学国际商学院管理科学与工程系教授,主要的研究领域包括库存管理、模糊决策分析、**化算法、供应链绩效评估等。迄今为止,丁晓松教授已在国内外知名学术期刊发表论文多篇,并出版《大数据供应链》等多部译著和专著。
【目录】
第1 章 分析学入门 / 1 /

分析学与分析有区别吗 / 3 /

数据挖掘该归何处 / 3 /

分析学何以突然受到追捧 / 4 /

分析学的应用领域 / 6 /

分析学面临的主要挑战 / 6 /

分析学的发展历史 / 8 /

分析学的简单分类 / 12 /

分析学的前沿技术——以IBM Watson 为例 / 17 /

第2 章 数据挖掘入门 / 25 /

数据挖掘是什么 / 28 /

哪些不属于数据挖掘 / 30 /

数据挖掘最常见的应用 / 32 /

数据挖掘能够发现怎样的规律 / 36 /

常用的数据挖掘工具 / 41 /

数据挖掘的负面影响:隐私问题 / 46 /

第3 章 数据挖掘过程 / 54 /

数据库知识获取过程 / 54 /

跨行业标准化数据挖掘流程 / 56 /

SEMMA / 62 /

数据挖掘六西格玛方法 / 66 /

哪种方法最好 / 69 /

第4 章 数据与数据挖掘的方法 / 74 /

数据挖掘中的数据属性 / 74 /

数据挖掘中的数据预处理 / 77 /

数据挖掘方法 / 82 /

预测法 / 83 /

分类法 / 83 /

决策树 / 91 /

数据挖掘中的聚类分析 / 93 /

K 均值聚类算法 / 97 /

关联法 / 98 /

Apriori 算法 / 102 /

对数据挖掘的误解与事实 / 103 /

第5 章 数据挖掘算法 / 112 /

近邻算法 / 113 /

评估相似性:距离度量 / 114 /

人工神经网络 / 117 /

支持向量机 / 128 /

线性回归 / 133 /

逻辑回归 / 138 /

时间序列预测 / 140 /

第6 章 文本分析和情感分析 / 145 /

自然语言处理 / 150 /

文本挖掘应用 / 154 /

文本挖掘的流程 / 159 /

文本挖掘工具 / 171 /

情感分析 / 172 /

第7 章 大数据分析学 / 183 /

大数据从何而来 / 184 /

定义“大数据”的V 们 / 186 /

大数据的关键概念 / 190 /

大数据分析处理的商业问题 / 195 /

大数据科技 / 196 /

数据科学家 / 205 /

大数据和流分析法 / 208 /

数据流挖掘 / 210 /

译者后记 / 213 /
点击展开 点击收起

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP