دانلود کتاب Modeling Techniques in Predictive Analytics with Python and R: A Guide to Data Science (به فارسی: تکنیک‌های مدلسازی در تحلیل پیش‌بینی‌کننده با پایتون و R: راهنمای علم داده) نوشته شده توسط «Thomas W. Miller [Thomas W. Miller]»
اطلاعات کتاب تکنیک‌های مدلسازی در تحلیل پیش‌بینی‌کننده با پایتون و R: راهنمای علم داده
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: 2014
حجم فایل: 18.75 مگابایت
توضیحات کتاب تکنیک‌های مدلسازی در تحلیل پیش‌بینی‌کننده با پایتون و R: راهنمای علم داده
تحلیل پیش‌بینی‌کننده، از ابتدا
برای به پایان رساندن
شروع با استراتژی و مدیریت
روش‌های اصلی و ساخت مدل‌ها
مدل‌های خود را به بسیار موثر تبدیل کنید
کد — هم در پایتون و هم در R
این کتاب بی نظیر به شما کمک می کند از
استفاده کنید
تجزیه و تحلیل پیش بینی، پایتون، و R برای حل مشکلات واقعی کسب و کار
و مزیت رقابتی واقعی را ایجاد کند. شما مسلط خواهید شد
تجزیه و تحلیل پیش بینی از طریق مطالعات موردی واقع بینانه، داده های شهودی
تجسم ها و کدهای به روز برای پایتون و R—not
ریاضیات پیچیده.
گام به گام از طریق
گام به گام خواهید رفت
تعریف مشکلات، شناسایی داده ها، ساخت و بهینه سازی
مدل‌ها، نوشتن کد پایتون و R موثر، تفسیر نتایج،
و بیشتر. هر فصل روی یکی از کلیدهای امروز تمرکز دارد
برنامه های کاربردی برای تجزیه و تحلیل پیش بینی، ارائه مهارت ها و
دانش برای به کار انداختن مدل ها – و به حداکثر رساندن ارزش آنها.
توماس دبلیو میلر، رهبر Northwestern
برنامه پیشگام دانشگاه در تجزیه و تحلیل پیش بینی،
به همه چیزهایی که برای موفقیت نیاز دارید می پردازد: استراتژی و مدیریت،
روش‌ها و مدل‌ها، و فناوری و کد.
اگر در تجزیه و تحلیل پیش‌بینی‌کننده تازه کار هستید،
شما یک پایه قوی برای دستیابی به دقت به دست خواهید آورد،
نتایج قابل اجرا اگر قبلاً در این زمینه کار می کنید،
شما بر مهارت های جدید و قدرتمند مسلط خواهید شد. اگر آشنا هستید
با پایتون یا R، خواهید فهمید که چگونه این زبان ها
هستند
مکمل یکدیگر هستند و به شما امکان می دهد کارهای بیشتری انجام دهید.
همه مجموعه داده ها، کدهای Python و R گسترده،
و نمونه های اضافی برای دانلود در
موجود است
http://www.ftpress.com/miller/
Python و R قدرت فوق العاده ای را در
ارائه می دهند
تجزیه و تحلیل پیش بینی، علم داده، و داده های بزرگ. این کتاب خواهد شد
به شما کمک می کند تا از این قدرت برای حل مشکلات واقعی تجاری استفاده کنید و
مزیت رقابتی واقعی ایجاد کنید.
توماس دبلیو. میلر متوازن منحصر به فرد
رویکرد زمینه کسب و کار و ابزارهای کمی را ترکیب می کند،
روشن کردن هر تکنیک با کد توضیح داده شده برای
آخرین نسخه‌های Python و R. اگر در زمینه پیش‌بینی تازه کار هستید
تجزیه و تحلیل، میلر به شما یک پایه قوی برای دستیابی به
می دهد
نتایج دقیق و عملی اگر قبلاً یک مدلسازی هستید،
برنامه نویس یا مدیر، مهارت های مهمی را یاد خواهید گرفت
قبلاً ندارید.
استفاده از آدرس‌های Python و R، Miller
چندین چالش تجاری، از جمله تقسیم بندی، نام تجاری
موقعیت یابی، مدل سازی انتخاب محصول، تحقیقات قیمت گذاری، امور مالی،
ورزش، تجزیه و تحلیل متن، تجزیه و تحلیل احساسات، و شبکه های اجتماعی
تحلیل و بررسی. او استفاده از داده های مقطعی، زمان
را روشن می کند
داده‌های سری، مکانی و مکانی-زمانی.
می‌آموزید که چرا هر مشکل اهمیت دارد،
چه داده‌هایی مرتبط هستند و چگونه داده‌هایی را که دارید کاوش کنید
شناخته شده است. میلر شما را از طریق مدلسازی مفهومی هرکدام راهنمایی می‌کند
مجموعه داده ها با کلمات و ارقام؛ و سپس دوباره آن را با
مدلسازی کنید
کد واقع گرایانه ای که بینش های عملی را ارائه می دهد.
شما مدل را طی خواهید کرد
ساخت، انتخاب زیر مجموعه متغیر توضیحی، و
اعتبارسنجی، تسلط بر بهترین شیوه ها برای بهبود خارج از نمونه
عملکرد پیش بینی میلر از تجسم داده ها و
استفاده می کند
گرافیک های آماری برای کمک به کاوش داده ها، ارائه مدل ها و
ارزیابی عملکرد ضمائم شامل پنج مورد کامل است
مطالعات، و آغازگر دقیق در مورد روش‌های علم داده مدرن.
از Python و R برای به دست آوردن قدرتمند استفاده کنید،
بینش عملی و سودآور در مورد:
تبلیغات و تبلیغات
اولویت و انتخاب مصرف کننده
سبدهای بازار و خریدهای مرتبط
پیش بینی اقتصادی
مدیریت عملیات
متن و زبان بدون ساختار
احساسات مشتری
نام تجاری و قیمت
عملکرد تیم ورزشی
و خیلی بیشتر
Master predictive analytics, from start
to finish
Start with strategy and management
Master methods and build models
Transform your models into highly-effective
code—in both Python and R
This one-of-a-kind book will help you use
predictive analytics, Python, and R to solve real business problems
and drive real competitive advantage. You’ll master
predictive analytics through realistic case studies, intuitive data
visualizations, and up-to-date code for both Python and R—not
complex math.
Step by step, you’ll walk through
defining problems, identifying data, crafting and optimizing
models, writing effective Python and R code, interpreting results,
and more. Each chapter focuses on one of today’s key
applications for predictive analytics, delivering skills and
knowledge to put models to work—and maximize their value.
Thomas W. Miller, leader of Northwestern
University’s pioneering program in predictive analytics,
addresses everything you need to succeed: strategy and management,
methods and models, and technology and code.
If you’re new to predictive analytics,
you’ll gain a strong foundation for achieving accurate,
actionable results. If you’re already working in the field,
you’ll master powerful new skills. If you’re familiar
with either Python or R, you’ll discover how these languages
complement each other, enabling you to do even more.
All data sets, extensive Python and R code,
and additional examples available for download at
http://www.ftpress.com/miller/
Python and R offer immense power in
predictive analytics, data science, and big data. This book will
help you leverage that power to solve real business problems, and
drive real competitive advantage.
Thomas W. Miller’s unique balanced
approach combines business context and quantitative tools,
illuminating each technique with carefully explained code for the
latest versions of Python and R. If you’re new to predictive
analytics, Miller gives you a strong foundation for achieving
accurate, actionable results. If you’re already a modeler,
programmer, or manager, you’ll learn crucial skills you
don’t already have.
Using Python and R, Miller addresses
multiple business challenges, including segmentation, brand
positioning, product choice modeling, pricing research, finance,
sports, text analytics, sentiment analysis, and social network
analysis. He illuminates the use of cross-sectional data, time
series, spatial, and spatio-temporal data.
You’ll learn why each problem matters,
what data are relevant, and how to explore the data you’ve
identified. Miller guides you through conceptually modeling each
data set with words and figures; and then modeling it again with
realistic code that delivers actionable insights.
You’ll walk through model
construction, explanatory variable subset selection, and
validation, mastering best practices for improving out-of-sample
predictive performance. Miller employs data visualization and
statistical graphics to help you explore data, present models, and
evaluate performance. Appendices include five complete case
studies, and a detailed primer on modern data science methods.
Use Python and R to gain powerful,
actionable, profitable insights about:
Advertising and promotion
Consumer preference and choice
Market baskets and related purchases
Economic forecasting
Operations management
Unstructured text and language
Customer sentiment
Brand and price
Sports team performance
And much more
دانلود کتاب «تکنیک‌های مدلسازی در تحلیل پیش‌بینی‌کننده با پایتون و R: راهنمای علم داده»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.