Доступно

Аналитическое прогнозирование для чайников. 2-е издание [Бари Анассе, Юнг Томми, Чаучи Мохамед]

Тема в разделе "Электронные книги", создана пользователем Топикстартер, 5 апр 2020.

Цена: 1160р.-88%
Взнос: 132р.
100%

Основной список: 39 участников

Резервный список: 13 участников

Статус обсуждения:
Комментирование ограничено.
  1. 5 апр 2020
    #1
    Топикстартер
    Топикстартер ЧКЧлен клуба
    Аналитическое прогнозирование для чайников 2-е издание

    kkk3.jpg

    Сегодняшний бизнес опирается на эффективное использование данных для прогнозирования тенденций и продаж. Аналитическое прогнозирование - инструмент, который может это сделать, и данная книга просто и понятно показывает, как его использовать. Вы научитесь подготавливать и обрабатывать свои данные, ставить цели, создавать прогностические модели, привлекать к работе заинтересованные стороны вашей организации и многое другое.

    Оглавление
    Часть 1. Введение в аналитическое прогнозирование 19
    Глава 1. Выход на арену 21
    Глава 2. Аналитическое прогнозирование на практике 39
    Глава 3. Методы исследования данных 71
    Глава 4. Сложность данных 91
    Часть 2. Включение алгоритмов в модели 113
    Глава 5. Применение моделей 115
    Глава 6. Выявление сходства в данных 141
    Глава 7. Прогнозирование на основе классификации данных 173
    Часть 3. Планирование 213
    Глава 8. Как убедить руководство одобрить проект
    по аналитическому прогнозированию 215
    Глава 9. Подготовка данных 239
    Глава 10. Создание прогностической модели 261
    Глава 11. Визуализация аналитических данных 277
    Часть 4. Программирование методов аналитического прогнозирования 297
    Глава 12. Примеры создания типичных прогностических моделей 299
    Глава 13. Примеры прогнозирования без учителя 331
    Глава 14. Аналитическое прогнозирование на языке R 353
    Глава 15. Как избежать ловушек в процессе анализа данных 389
    Часть 5. Большие данные 413
    Глава 16. Ориентация на большие данные 415
    Глава 17. Подготовка к анализу данных предприятия 433
    Часть 6. Великолепные десятки 447
    Глава 18. Десять причин для внедрения аналитического прогнозирования 449
    Глава 19. Десять шагов к построению модели 461
    Предметный указатель 472

    Содержание
    Введение 15
    О чем эта книга 15
    Для кого предназначена эта книга 16
    Используемые пиктограммы 16
    Дополнительный материал 17
    Что дальше 17
    Часть 1. Введение в аналитическое прогнозирование 19
    Глава 1. Выход на арену 21
    Что такое аналитическое прогнозирование 21
    Интеллектуальный анализ данных 22
    Создание модели 23
    Добавление бизнес-ценности 25
    Бесконечные возможности 25
    Расширение возможностей организации 26
    Начало проекта по аналитическому прогнозированию 28
    Знания о бизнесе 28
    Группа специалистов по анализу данных и информационным технологиям 29
    Данные 30
    Аналитическое прогнозирование 31
    Формирование группы аналитического прогнозирования 33
    Привлечение опытных практиков 33
    Инициативность и любознательность 34
    Исследование рынка 34
    Обработка больших данных 35
    Работа с большими данными 35
    Глава 2. Аналитическое прогнозирование на практике 39
    Интернет-маркетинг и розничная торговля 42
    Рекомендательные системы 42
    Персонализированные покупки в Интернете 44
    Реализация рекомендательной системы 44
    Совместная фильтрация 45
    Контентная фильтрация 53
    Гибридные рекомендательные системы 58
    Целевой маркетинг 59
    Целевой маркетинг с использованием прогнозного моделирования 60
    Моделирование воздействия 62
    Персонализация 65
    Поведение клиентов в Интернете 65
    Перенацеливание 65
    Реализация 66
    Оптимизация с использованием персонализации 67
    Сходство персонализации и рекомендации 68
    Контент и анализ текстов 69
    Глава 3. Методы исследования данных 71
    Распознавание типов данных 72
    Структурированные и неструктурированные данные 72
    Статические и потоковые данные 77
    Определение категорий данных 78
    Оценочные данные 80
    Поведенческие данные 81
    Демографические данные 81
    Генерирование моделей аналитического прогнозирования 82
    Анализ, ориентированный на данные 83
    Анализ, ориентированный на пользователей 85
    Связь со смежными дисциплинами 86
    Статистика 87
    Интеллектуальный анализ данных 88
    Машинное обучение 88
    Глава 4. Сложность данных 91
    Поиск ценности в ваших данных 92
    Погружение в данные 93
    Разнообразие данных 94
    Постоянно меняющиеся данные 95
    Скорость передачи данных 95
    Большой объем данных 95
    Сложности в поиске данных 96
    Поиск по ключевым словам 96
    Семантический поиск 97
    Контекстный поиск 99
    Отличие бизнес-аналитики от анализа больших данных 103
    Исследование необработанных данных 104
    Идентификация атрибутов данных 104
    Изучение типичных визуализаций данных 105
    Табличные визуализации 105
    Облака слов 107
    “Подобное притягивает подобное” как принцип представления
    новых данных 107
    Графы 109
    Типичные средства визуализации 111
    Часть 2. Включение алгоритмов в модели 113
    Глава 5. Применение моделей 115
    Данные для моделирования 116
    Модели и моделирование 117
    Классификация моделей 119
    Описание и обобщение данных 121
    Принятие более эффективных бизнес-решений 121
    Примеры аналитики в сфере здравоохранения 122
    Проект Google Flu Trends 122
    Предикторы выживаемости при раке 124
    Социальная и маркетинговая аналитика 126
    Сеть магазинов Target предсказывает беременность 126
    Предсказание землетрясений на базе социальной сети Twitter 127
    Предикторы результатов политической кампании, основанные на Твиттере 129
    Твиты как предикторы для фондового рынка 131
    Прогнозирование колебаний цен на акции по новостным статьям 132
    Анализ использования велосипедов в Нью-Йорке 133
    Предсказания и ответы 136
    Сжатие данных 137
    Прогностика и ее связь с аналитическим прогнозированием 138
    Прогностика и обеспечение надежности оборудования 138
    Рост использования открытых данных 139
    Глава 6. Выявление сходства в данных 141
    Объяснение кластеризации данных 142
    Обоснование 144
    Преобразование необработанных данных в матрицу 146
    Создание матрицы терминов в документах 146
    Выбор термина 148
    Идентификация групп в данных 148
    Алгоритм кластеризации K-средних 149
    Кластеризация методом ближайших соседей 153
    Алгоритмы на основе плотности 156
    Поиск ассоциаций в элементах данных 158
    Алгоритм Apriori 159
    Применение биологически вдохновленных методов кластеризации 162
    Стая птиц: алгоритм Flock by Leader 163
    Муравьиные колонии 168
    Глава 7. Прогнозирование на основе классификации данных 173
    Введение в классификацию данных 175
    Кредитование 175
    Маркетинг 176
    Здравоохранение 177
    Что дальше? 178
    Использование классификации данных в бизнесе 178
    Изучение процесса классификации данных 181
    Использование классификации данных для прогнозирования будущего 182
    Деревья решений 183
    Алгоритмы генерации деревьев решений 185
    Метод опорных векторов 190
    Ансамблевые методы для повышения точности прогноза 192
    Наивный байесовский алгоритм классификации 193
    Основы наивного байесовского классификатора 194
    Марковская модель 198
    Линейная регрессия 204
    Нейронные сети 204
    Глубокое обучение 207
    Ренессанс нейронных сетей 207
    Введение в глубокое обучение 208
    Часть 3. Планирование 213
    Глава 8. Как убедить руководство одобрить проект
    по аналитическому прогнозированию 215
    Разработка бизнес-сценария 217
    Выгоды для бизнеса 217
    Получение поддержки от заинтересованных сторон 225
    Работа со спонсорами 226
    Одобрение проекта со стороны
    бизнес-руководства и администрации 228
    Одобрение проекта со стороны IT‑менеджеров 230
    Быстрое создание прототипов 235
    Презентация предложения 236
    Глава 9. Подготовка данных 239
    Перечисление бизнес-целей 240
    Определение связанных целей 241
    Сбор требований пользователей 242
    Обработка данных 242
    Идентификация данных 242
    Очистка данных 244
    Генерация любых производных данных 245
    Уменьшение размерности данных 246
    Применение анализа главных компонентов 247
    Использование сингулярного разложения 249
    Работа с признаками 251
    Выбор признаков 252
    Извлечение признаков 254
    Ранжирование признаков 255
    Структурирование данных 256
    Извлечение, преобразование и загрузка данных 256
    Поддержание данных в актуальном состоянии 257
    Планирование тестирования и организация тестовых данных 258
    Глава 10. Создание прогностической модели 261
    Начало 262
    Определение бизнес-целей 264
    Подготовка данных 265
    Выбор алгоритма 268
    Разработка и тестирование модели 270
    Разработка модели 270
    Тестирование модели 271
    Оценка модели 274
    Дальнейшая работа с моделью 275
    Развертывание модели 275
    Мониторинг и поддержка модели 276
    Глава 11. Визуализация аналитических данных 277
    Визуализация как инструмент прогнозирования 278
    Чем важна визуализация 278
    Получение выгоды от визуализации 280
    Устранение сложностей 281
    Оценка визуализации 282
    Насколько релевантная эта картина? 282
    Насколько интерпретируема картина? 282
    Достаточно ли проста картина? 283
    Приводит ли картина к новым плодотворным идеям? 283
    Визуализация аналитических результатов моделирования 284
    Визуализация скрытых группировок в данных 284
    Визуализация результатов классификации данных 284
    Визуализация выбросов в данных 286
    Визуализация деревьев решений 287
    Визуализация прогнозов 288
    Новые средства визуализации в аналитическом прогнозировании 290
    Алгоритм Flock by Leader для визуализации данных 291
    Инструменты визуализации больших данных 295
    Tableau 295
    Google Charts 296
    Plotly 296
    Infogram 296
    Часть 4. Программирование методов аналитического
    прогнозирования 297
    Глава 12. Примеры создания типичных прогностических моделей 299
    Инсталляция программных пакетов 300
    Инсталляция интерпретатора Python 300
    Инсталляция модуля машинного обучения 303
    Инсталляция зависимостей 307
    Подготовка данных 311
    Получение примера набора данных 311
    Разметка данных 311
    Прогнозирование с использованием алгоритмов классификации 313
    Создание модели обучения
    с учителем с помощью метода SVM 313
    Загрузка данных 314
    Обучение модели 315
    Создание модели обучения с учителем на основе логистической регрессии 321
    Создание модели обучения с учителем на основе случайного леса 327
    Сравнение моделей классификации 329
    Глава 13. Примеры прогнозирования без учителя 331
    Получение примера набора данных 332
    Использование алгоритмов кластеризации для прогнозирования 332
    Сравнение моделей кластеризации 333
    Создание модели обучения без учителя с помощью K-средних 334
    Создание модели обучения без учителя с помощью алгоритма DBSCAN 345
    Создание модели обучения без учителя с помощью алгоритма сдвига
    среднего значения 349
    Глава 14. Аналитическое прогнозирование на языке R 353
    Программирование на языке R 355
    Инсталляция интерпретатора языка R 356
    Инсталляция среды RStudio 356
    Знакомство со средой 357
    Немного о языке R 359
    Вызов функции 363
    Прогнозирование с помощью языка R 364
    Прогнозирование с помощью регрессии 364
    Использование классификации для прогнозирования 375
    Классификация с помощью случайного леса 383
    Глава 15. Как избежать ловушек в процессе анализа данных 389
    Проблемы, связанные с данными 390
    Ограничения, связанные с данными 392
    Работа с экстремальными случаями (выбросами) 394
    Сглаживание данных 398
    Приближение кривой 402
    Делайте как можно меньше предположений 405
    Проблемы анализа 406
    Анализ с учителем 407
    Опираясь только на один анализ 407
    Описание ограничений модели 408
    Избегайте немасштабируемых моделей 410
    Точная оценка прогнозов 411
    Часть 5. Большие данные 413
    Глава 16. Ориентация на большие данные 415
    Основные технологические тенденции в аналитическом прогнозировании 416
    Изучение аналитического прогнозирования как услуги 417
    Агрегирование распределенных данных для анализа 417
    Анализ, управляемый данными в реальном времени 419
    Применение инструментов с открытым исходным кодом к большим данным 420
    Платформа Apache Hadoop 421
    Apache Yarn 423
    Платформа Apache Spark 427
    Основные компоненты платформы Spark 430
    Глава 17. Подготовка к анализу данных предприятия 433
    Корпоративная архитектура для анализа больших данных 434
    Аналитика как услуга 437
    Google Analytics 438
    Microsoft Revolution R Enterprise 440
    Подготовка прототипа
    по аналитическому прогнозированию 441
    Создание прототипов для аналитического прогнозирования 441
    Тестирование модели аналитического прогнозирования 445
    Часть 6. Великолепные десятки 447
    Глава 18. Десять причин для внедрения аналитического прогнозирования 449
    Определение бизнес-целей 450
    Изучение данных 451
    Организация данных 452
    Удовлетворение клиентов 453
    Сокращение эксплуатационных расходов 454
    Увеличение доходности инвестиций (ROI) 455
    Получение быстрого доступа к информации 456
    Принятие обоснованных решений 457
    Получение конкурентного преимущества 458
    Улучшение бизнеса 458
    Глава 19. Десять шагов к построению модели 461
    Создание группы аналитического прогнозирования 462
    Получение бизнес-опыта 462
    Привлечение IT-специалистов и математиков 462
    Постановка бизнес-целей 463
    Подготовка данных 464
    Выборка данных 464
    Избегайте ситуации “мусор на входе, мусор на выходе” 465
    Простота — не глупость 465
    Подготовка данных — важный фактор успеха 466
    Достижение быстрых побед 466
    Стимулирование изменений в организации 467
    Создание развертываемых моделей 468
    Оценка модели 469
    Обновление модели 470
    Предметный указатель 472

    Автор: Бари Анассе, Юнг Томми, Чаучи Мохамед
    Переводчик: Клюшин Дмитрий Анатольевич
    Издательство: Диалектика
    Жанр: Анализ данных и др.
    Формат: бумажный
    Дата выхода: апрель 2020
    Страниц: 480

    Скрытая ссылка
     
    Последнее редактирование модератором: 18 май 2020
    1 человеку нравится это.
  2. Последние события

    1. skladchik.com
      Складчина доступна.
      18 май 2020
    2. Seaman
      Seaman участвует.
      17 май 2020
    3. Smextene
      Smextene участвует.
      17 май 2020
    4. ivanp3
      ivanp3 участвует.
      17 май 2020

    Последние важные события

    1. skladchik.com
      Складчина доступна.
      18 май 2020
    2. skladchik.com
      Взнос составляет 66р.
      10 май 2020
    3. skladchik.com
      Складчина активна.
      10 май 2020
    4. skladchik.com
      Сбор взносов начинается 10.05.2020.
      7 май 2020
Статус обсуждения:
Комментирование ограничено.