logo
QQ一键登录
分类于: 编程语言 计算机基础 互联网 云计算&大数据

简介

增强型分析:AI驱动的数据分析、业务决策与案例实践: 数据分析与决策技术丛书

增强型分析:AI驱动的数据分析、业务决策与案例实践: 数据分析与决策技术丛书 0.0分

资源最后更新于 2020-03-28 17:31:18

作者:彭鸿涛张宗耀聂磊

出版社:出版社机械工业出版社

出版日期:2019-08

ISBN:9787111634164

文件格式: pdf

标签: 网络 计算机 数据分析 数据库 数据分析与决策技术丛书

简介· · · · · ·

增强型分析是数据科学的未来,本书讲解了如何通过前沿的大数据技术和AI技术实现智能的数据分析和业务决策,即增强型分析。本书的三位作者是来自德勤、前华为和前IBM的资深数据科学家,在大数据和AI领域至少都有10年以上的工作经验,他们将各自多年来在“构建数据挖掘模型,解决实际业务问题”方面积累的经验全部总结在了这本书中。全书的内容由两条主线贯穿:技术主线:一方面讲解了预测模型、序列分析、预测分析、Prescriptive分析等前沿数据处理技术,一方面讲解了CNN、RNN和GNN等前沿的AI技术如何为数据分析赋能。业务主线:在数字化转型的大时代背景下,如何通过数据分析实现智慧营销、智慧风险管控,实现由初级的“主动营销”到“被动营销”,再到“全渠道协同营销”等营销手段的升级应用。本书的重点聚焦在本质内容上,即数据处理、算法及模型、“模型洞见到业务决策”的分析等。彭鸿涛,张宗耀,聂磊著。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

目录

  1. 推荐序一
  2. 推荐序二
  3. 前言
  4. 第1章 数据科学家的成长之路
  5. 1.1 算法与数据科学家
  6. 1.2 数据科学家不断成长的几个阶段
  7. 1.3 数据科学家的工作模式与组织结构
  8. 1.4 数据科学家的工作方法要点
  9. 第2章 大数据探索及预处理
  10. 2.1 大数据探索
  11. 2.2 数据预处理
  12. 2.3 衍生指标的加工
  13. 第3章 预测模型的新技术
  14. 3.1 集成学习
  15. 3.2 Gradient Tree Boosting介绍
  16. 3.3 Gradient Tree Boosting的改进方向
  17. 3.4 模型的最佳参数设置
  18. 3.5 投票决定最终预测结果
  19. 3.6 让模型在训练结束后还能被更新
  20. 3.7 多输出预测
  21. 3.8 案例:如何给客户从数百个产品中寻找合适的产品
  22. 第4章 序列分析
  23. 4.1 通过客户行为研究做出服务策略
  24. 4.2 频繁项集、关联规则的挖掘
  25. 4.3 序列模式的挖掘以及应用
  26. 4.4 序列规则的挖掘以及应用
  27. 4.5 序列预测的挖掘以及应用
  28. 第5章 应用数据分析做出最优决策
  29. 5.1 Prescriptive分析概述
  30. 5.2 确定因素和非确定因素下的决策分析
  31. 5.3 What-If分析和Goal Seeking分析
  32. 5.4 优化技术介绍
  33. 5.5 仿真分析
  34. 5.6 马尔可夫链及马尔可夫决策过程
  35. 第6章 深入探讨CNN
  36. 6.1 换个角度讨论CNN
  37. 6.2 用CNN做人脸识别
  38. 6.3 Embedding
  39. 6.4 一个例子:文本分类
  40. 第7章 深入探讨RNN
  41. 7.1 两种建模方法:Prediction和Sequence Labeling
  42. 7.2 RNN及其变种的详细原理
  43. 7.3 利用LSTM预测股票价格
  44. 7.4 让计算机学会写唐诗
  45. 7.5 预测客户的下一个行为
  46. 7.6 计算机,请告诉我你看到了什么
  47. 第8章 深入探讨GAN
  48. 8.1 基本原理
  49. 8.2 让计算机书写数字
  50. 8.3 让计算机画一张人脸