برنامه نويسي

علم داده های بازاریابی: تکنیک های مدل سازی در تحلیل پیش بینی با R و Python

Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python

دانلود کتاب Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python (به فارسی: علم داده های بازاریابی: تکنیک های مدل سازی در تحلیل پیش بینی با R و Python) نوشته شده توسط «Thomas W. Miller [Thomas W. Miller]»

اطلاعات کتاب علم داده های بازاریابی: تکنیک های مدل سازی در تحلیل پیش بینی با R و Python

موضوع اصلی: کامپیوتر – برنامه نویسی

نوع: کتاب الکترونیکی

ناشر: PH Professional Business

نویسنده: Thomas W. Miller [Thomas W. Miller]

زبان: english

فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2015

حجم فایل: 15.09 مگابایت

توضیحات کتاب علم داده های بازاریابی: تکنیک های مدل سازی در تحلیل پیش بینی با R و Python

اکنون، یکی از رهبران شمال غربی
برنامه تحلیلی معتبر دانشگاه یک
ارائه می دهد
درمان کاملاً یکپارچه برای کسب و کار و دانشگاه
عناصر برنامه های کاربردی بازاریابی در تجزیه و تحلیل پیش بینی نوشتن
توماس دبلیو. میلر هم برای مدیران و هم برای دانشجویان ضروری را توضیح می دهد
مفاهیم، ​​اصول و نظریه در زمینه دنیای واقعی
برنامه های کاربردی.

بر اساس برنامه پیشگام میلر،
علوم داده های بازاریابی به طور کامل به
می پردازد
بخش بندی، بازاریابی هدف، موقعیت یابی برند و محصول، جدید
توسعه محصول، مدل سازی انتخاب، سیستم های توصیه کننده، قیمت گذاری
تحقیق، انتخاب سایت خرده فروشی، برآورد تقاضا، فروش
پیش بینی، حفظ مشتری، و تجزیه و تحلیل ارزش مادام العمر.

شروع از جایی که میلر به طور گسترده مورد تحسین قرار گرفته است
تکنیک‌های مدل‌سازی در تحلیل پیش‌بینی‌کننده متوقف شد، او
اطلاعات مهم و بینش هایی را که قبلا
بودند یکپارچه می کند
تفکیک در متون در تجزیه و تحلیل وب، علوم شبکه، اطلاعات
تکنولوژی و برنامه نویسی پوشش شامل:

  • است
    نقش تجزیه و تحلیل در ارائه
    پیام های موثر در وب

  • درک وب با درک آن
    ساختارهای پنهان

  • شناخته شدن در وب – و
    تماشای رقبای خود

  • تجسم شبکه ها و درک
    جوامع درون آنها

  • سنجش احساسات و ساختن
    توصیه ها

  • استفاده از روش های کلیدی علم داده:
    پایگاه های داده/آماده سازی داده ها، آمار کلاسیک/بیزی،
    رگرسیون/طبقه بندی، یادگیری ماشین و متن
    تجزیه و تحلیل

    • شش آدرس مطالعه موردی کامل
    مسائل فوق العاده مرتبط مانند: جداسازی ایمیل قانونی
    از هرزنامه؛ شناسایی اطلاعات قانونی مرتبط برای دعوا
    کشف؛ جمع آوری اطلاعات از داده های وب گردی ناشناس، و
    بیشتر. مجموعه گسترده مشکلات وب و شبکه این متن از
    است
    منابع داده ای غنی از دامنه عمومی؛ بسیاری از آنها با راه حل هایی همراه هستند
    در پایتون و/یا R.

    علوم داده های بازاریابی منبع ارزشمندی خواهد بود
    برای همه دانشجویان، اساتید، و بازاریابان حرفه ای که می خواهند
    از تجزیه و تحلیل کسب و کار برای بهبود عملکرد بازاریابی استفاده کنید.

    Now, a leader of Northwestern
    University’s prestigious analytics program presents a
    fully-integrated treatment of both the business and academic
    elements of marketing applications in predictive analytics. Writing
    for both managers and students, Thomas W. Miller explains essential
    concepts, principles, and theory in the context of real-world
    applications.

    Building on Miller’s pioneering program,
    Marketing Data Science thoroughly addresses
    segmentation, target marketing, brand and product positioning, new
    product development, choice modeling, recommender systems, pricing
    research, retail site selection, demand estimation, sales
    forecasting, customer retention, and lifetime value analysis.

    Starting where Miller’s widely-praised
    Modeling Techniques in Predictive Analytics left off, he
    integrates crucial information and insights that were previously
    segregated in texts on web analytics, network science, information
    technology, and programming. Coverage includes:

  • The role of analytics in delivering
    effective messages on the web

  • Understanding the web by understanding its
    hidden structures

  • Being recognized on the web – and
    watching your own competitors

  • Visualizing networks and understanding
    communities within them

  • Measuring sentiment and making
    recommendations

  • Leveraging key data science methods:
    databases/data preparation, classical/Bayesian statistics,
    regression/classification, machine learning, and text
    analytics

    • Six complete case studies address
    exceptionally relevant issues such as: separating legitimate email
    from spam; identifying legally-relevant information for lawsuit
    discovery; gleaning insights from anonymous web surfing data, and
    more. This text’s extensive set of web and network problems draw on
    rich public-domain data sources; many are accompanied by solutions
    in Python and/or R.

    Marketing Data Science will be an invaluable resource
    for all students, faculty, and professional marketers who want to
    use business analytics to improve marketing performance.

    دانلود کتاب «علم داده های بازاریابی: تکنیک های مدل سازی در تحلیل پیش بینی با R و Python»

    مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

    📖 خرید این کتاب

    برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمه‌های زیر کلیک کنید تا پیام آماده برای شما ارسال شود:

    پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.

    برچسب ها

    دیدگاهتان را بنویسید

    مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
    کتابخانه دیجیتال بَلیان