[Recenzja] Data Mining for Business Analytics (Galit Shmueli) Streszczenie.

Data Mining for Business Analytics (Galit Shmueli) - Amazon Poland Store: https://www.amazon.pl/dp/B01MYZU2PC?tag=9natreepoland-21 - Amazon Worldwide Store: https://global.buys.trade/Data-Mining-for-Business-Analytics-Galit-Shmueli.html - Apple Books: https://books.apple.com/us/audiobook/data-analytics-an-essential-beginners-guide-to-data/id1353616608?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree - eBay: https://www.ebay.com/sch/i.html?_nkw=Data+Mining+for+Business+Analytics+Galit+Shmueli+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1 - Czytaj więcej: https://polish.9natree.com/read/B01MYZU2PC/ #JMPPro #regresjalogistyczna #drzewaklasyfikacyjneiregresyjne #upliftmodeling #prognozowanieszeregówczasowych #DataMiningforBusinessAnalytics Ta książka jest podręcznikiem z zakresu eksploracji danych i analityki biznesowej, przygotowanym dla osób, które chcą przejść od ogólnych pojęć do rzeczywistej pracy z danymi. Galit Shmueli, Peter C. Bruce, Mia L. Stephens i Nitin R. Patel przedstawiają metody wykorzystywane przede wszystkim do klasyfikacji i prognozowania, a środowiskiem praktycznej pracy jest JMP Pro, pakiet statystyczny firmy SAS. Publikacja łączy wyjaśnienia metod z ćwiczeniami, zbiorami danych oraz studiami przypadków, dlatego nie ogranicza się do matematycznego opisu algorytmów. Omawia między innymi wizualizację danych, redukcję wymiarów, grupowanie, regresję, drzewa decyzyjne, analizę dyskryminacyjną, naiwny Bayes, sieci neuronowe, modele zespołowe, uplift modeling i prognozowanie szeregów czasowych. Jej celem nie jest promowanie jednego algorytmu jako uniwersalnej odpowiedzi. Uczy raczej dobierania narzędzia do typu problemu, jakości danych i biznesowej ceny błędnej decyzji. To podejście czyni z niej uporządkowane wprowadzenie do analityki predykcyjnej w zastosowaniach biznesowych.