Data Science for Business

تاریخ: ۱۹:۴۴:۵۰ ۱۳۹۹/۹/۱۳ پنج شنبه
توسط: MotoMan
امتیاز: ۰
تعداد بازدید: ۴۶۳
دیدگاه ها: ۰
برچسب ها: data | Data Mining |
کتاب Data Science for Business
O'Reilly Media
Foster Provost, Tom Fawcett
9781449361327
2013
408
English

این کتاب، نه در مورد الگوریتم‌ها است و نه جایگزینی برای کتابی در مورد الگوریتم‌ها است. ما در این کتاب، عمداً از رویکرد الگوریتم محور اجتناب کردیم. ما معتقدیم که یک مجموعه نسبتاً کوچک از مفاهیم یا اصول اساسی وجود دارد که پایه و اساس تکنیک‌های استخراج دانش مفید از داده‌ها است. این مفاهیم به عنوان مبنایی برای بسیاری از الگوریتم‌های شناخته شده داده کاوی هستند. علاوه بر این، این مفاهیم زمینه تجزیه و تحلیل مسائل تجارت داده محور، ایجاد و ارزیابی راهکار‌های علم داده و ارزیابی استراتژی‌ها و پیشنهادهای عمومی علم داده است. بر این اساس، ما این کتاب را حول این اصول عمومی سازماندهی کردیم تا حول الگوریتم‌های خاص. در صورت لزوم برای توصیف جزئیات رویه ای، ما از ترکیبی از متن و نمودار استفاده می‌کنیم که فکر می‌کنیم از لیستی از مراحل الگوریتمی مفصل، در دسترس‌تر هستند.
بر اساس دوره MBA که Provost در ده سال گذشته در دانشگاه نیویورک تدریس کرده است، کتاب Data Science for Business (علم داده‌ها برای تجارت)، نمونه هایی از مسائل تجاری در دنیای واقعی را برای نشان دادن اصول علم داده‌ها ارائه می‌دهد. شما نه تنها یاد خواهید گرفت که چگونه ارتباط بین ذینفعان کسب و کار و دانشمندان داده را بهبود ببخشید، بلکه همچنین چطور هوشمندانه در پروژه‌های علوم داده شرکت خود مشارکت کنید. همچنین خواهید فهمید که چگونه می‌توانید به صورت تجزیه و تحلیل داده‌ها فکر کنید و کاملاً درک کنید که چگونه روش‌های علم داده‌ها می‌توانند مبنای تصمیم گیری‌های تجاری باشند.

 


مطالبی که در کتاب علوم داده برای تجارت خواهید آموخت:

  • درک کردن چگونگی متناسب شدن علم داده‌ها با سازمان شما و اینکه چگونه شما می‌توانید از آن به عنوان مزیتی رقابتی استفاده کنید
  • رفتار کردن با داده‌ها به عنوان یک دارایی تجاری که نیاز به سرمایه گذاری دقیق دارند، درصورتی که می‌خواهید ارزش واقعی را به دست آورید
  • نزدیک شدن به مسائل تجاری به صورت تجزیه و تحیل داده‌ها با استفاده از فرآیند داده کاوی برای جمع آوری داده‌های خوب به مناسب‌ترین روش
  • یادگیری مفاهیم عمومی برای استخراج دانش از داده ها
  • بکارگیری اصول علم داده‌ها در هنگام مصاحبه با داوطلبان شغل علم داده ها

  

Table of Contents:
- Chapter 1. Introduction: Data-Analytic Thinking
- Chapter 2. Business Problems and Data Science Solutions
- Chapter 3. Introduction to Predictive Modeling: From Correlation to Supervised Segmentation
- Chapter 4. Fitting a Model to Data
- Chapter 5. Overfitting and Its Avoidance
- Chapter 6. Similarity, Neighbors, and Clusters
- Chapter 7. Decision Analytic Thinking I: What Is a Good Model?
- Chapter 8. Visualizing Model Performance
- Chapter 9. Evidence and Probabilities
- Chapter 10. Representing and Mining Text
- Chapter 11. Decision Analytic Thinking II: Toward Analytical Engineering
- Chapter 12. Other Data Science Tasks and Techniques
- Chapter 13. Data Science and Business Strategy
- Chapter 14. Conclusion
- Appendix A. Proposal Review Guide
- Appendix B. Another Sample Proposal
برای دانلود، نام پایتخت ایران را به فارسی و با ط دسته دار بنویسید:

اگر جواب سوال را نمی دانید به این گروه تلگرامی مراجعه کنید.

like می پسندم
dislike به درد نمی خوره
مطالب مشابه
دیدگاه ها
  • اولین نفری باشید که نظری می دهید!
loading...

لطفا منتظر بمانید...