hiskio

    商用大數據分析-第二版(商用數據應用師認證教材指定用書)

    中華企業資源規劃學會「商用數據應用師」認證教材指定用書

    收集中
    US$18.43

    中華企業資源規劃學會「商用數據應用師」認證教材指定用書

    過去在商用大數據分析上，多著重在演算法的介紹，內容過於側重數理理解，這讓許多商管學生為之卻步。更有甚者，是太著重在程式撰寫上，這也讓沒有程式基礎的學生難以親近應用。
    本書要打破這些商管學生的困擾，以顧客的R（銷售時間）、F（銷售頻率）、M（銷售金額）商業資料為主，以循序漸進方式，介紹各類資料探勘的聰明方法（即演算法），再透過免費的Google Colab平台，以Python語言為基礎，用簡易的指令撰寫，協助商管背景人士一步步進行操作，期望商管人士可以在這樣開放、免費的環境下，透過案例說明與實作，輕鬆跨過這道牆，建立起對商用大數據分析的正確基礎觀念與操作。

    * 最新第二版特別針對生成式人工智慧（Generative AI）等新興技術進行介紹，讓讀者可以在大數據的框架下，掌握未來技術的發展趨勢。
    * 以豐富的插圖與淺顯易懂的解說，輕鬆讀懂大數據演算法的內容。
    * 提供商管案例做為資料探勘參考。
    * 所有實作資料來自於轉換後的真實商業資料。
    * 提供完整程式碼無痛接軌實作。
    * 中華企業資源規劃學會「商用數據應用師」認證教材指定用書。

    章节目录

    • 1-1
      封面頁
    • 1-2
      書名頁
    • 1-3
      序
    • 1-4
      目錄
    • 1-5
      Ch01 簡介
    • 1-6
      1.1　 認識商用大數據分析
    • 1-7
      1.2　 資料探勘（Data Mining）
    • 1-8
      1.3　 說人話的圖表
    • 1-9
      本章習題
    • 1-10
      Ch02 開挖
    • 1-11
      2.1　 了解資料探勘過程的初步步驟
    • 1-12
      2.2　 如何找到可挖掘的探勘地點
    • 1-13
      2.3　 選擇探勘工具
    • 1-14
      本章習題
    • 1-15
      Ch03 介紹客戶及產品集群的方法
    • 1-16
      3.1　 集群原理
    • 1-17
      3.2　 介紹集群的應用
    • 1-18
      3.3　 如何進行集群
    • 1-19
      3.4　 判別最佳集群數
    • 1-20
      3.5　 演算法的應用案例
    • 1-21
      本章習題
    • 1-22
      Ch04 看看分群的結果
    • 1-23
      4.1　 客戶價值與RFM 模型
    • 1-24
      4.2　 跑一次看看
    • 1-25
      4.3　 結果解釋
    • 1-26
      4.4　 結果應用
    • 1-27
      本章習題
    • 1-28
      Ch05 關聯規則
    • 1-29
      5.1　 探討時間與商品的關聯性
    • 1-30
      5.2　 找到關聯的意義
    • 1-31
      5.3　 商家如何從購物車中找出關聯
    • 1-32
      5.4　 關聯規則演算法運作
    • 1-33
      5.5　 了解分析過程後的管理意涵
    • 1-34
      本章習題
    • 1-35
      Ch06 看看關聯的結果
    • 1-36
      6.1　 跑一次看看
    • 1-37
      6.2　 另一案例
    • 1-38
      6.3　 結果應用
    • 1-39
      本章習題
    • 1-40
      Ch07 決策樹
    • 1-41
      7.1　 如何知道公司資料中的消費者會不會再來購物
    • 1-42
      7.2　 決策樹怎麼來的
    • 1-43
      7.3　 如何形成決策樹
    • 1-44
      7.4　 算一次決策樹
    • 1-45
      7.5　 驗證建好的決策樹
    • 1-46
      7.6　 剪枝的概要說明
    • 1-47
      7.7　 實務應用範例
    • 1-48
      本章習題
    • 1-49
      Ch08 看看決策樹的結果
    • 1-50
      8.1　 跑一次決策樹分析看看
    • 1-51
      8.2　 如何解釋眼前生成的這棵樹
    • 1-52
      8.3　 延伸應用
    • 1-53
      本章習題
    • 1-54
      Ch09 隨機森林與最近鄰
    • 1-55
      9.1　 隨機森林- 把樹擴大了
    • 1-56
      9.2　 隨機森林演算
    • 1-57
      9.3　 最近鄰演算法（k nearest neighbor, kNN）
    • 1-58
      9.4　 kNN 的實務應用
    • 1-59
      9.5　 實務應用範例
    • 1-60
      本章習題
    • 1-61
      Ch10 執行一下隨機森林吧
    • 1-62
      10.1　 跑一次隨機森林演算法看看
    • 1-63
      10.2　 結果解釋
    • 1-64
      本章習題
    • 1-65
      Ch11 執行一下kNN 吧
    • 1-66
      11.1　 跑一次kNN 演算法
    • 1-67
      11.2　 結果解釋
    • 1-68
      本章習題
    • 1-69
      Ch12 類神經
    • 1-70
      12.1　 預測
    • 1-71
      12.2　 預測的基本概念
    • 1-72
      12.3　 類神經如何運作
    • 1-73
      12.4　 類神經如何訓練
    • 1-74
      12.5　 類神經背後原理
    • 1-75
      12.6　 類神經應用範例
    • 1-76
      12.7　 生成式人工智慧簡介
    • 1-77
      12.8　 人工智慧生成句子推演過程
    • 1-78
      12.9　 人工智慧的挑戰與未來發展
    • 1-79
      本章習題
    • 1-80
      Ch13 執行類神經網路ANN
    • 1-81
      13.1　 淺談架構ANN 分類器的概念
    • 1-82
      13.2　 跑一次ANN 演算法
    • 1-83
      13.3　 結果解釋
    • 1-84
      本章習題
    • 1-85
      Ch14 支援向量機
    • 1-86
      14.1　 有效的分類客戶
    • 1-87
      14.2　 支援向量機
    • 1-88
      14.3　 人類是如何進行分類
    • 1-89
      14.4　 電腦上的支援向量機如何分類
    • 1-90
      14.5　 建立支援向量機模型
    • 1-91
      14.6　 核函數算完後⋯⋯
    • 1-92
      14.7　 應用產生的SVM 模型來分類
    • 1-93
      14.8　 支援向量機的實務應用
    • 1-94
      本章習題
    • 1-95
      Ch15 執行支援向量機SVM
    • 1-96
      15.1　 跑一次支援向量機算法
    • 1-97
      15.2　 結果解釋
    • 1-98
      本章習題
    • 1-99
      附錄A　Colab 使用介紹
    • 1-100
      附錄B　Python 基本模組套件引用介紹
    • 1-101
      附錄C　邏輯運算思維中必知語法：if 假如條件的判斷、 for 重複工作的迴圈
    • 1-102
      版權頁
    • 1-103
      封底頁

    常见问答

    您可以透過手機、平板或是電腦登入 HiSKIO 平台，在【我的學習】＞【我的書籍】頁面，選擇想看的電子書。

    猜你喜欢

    用户评价

    | 收集中

    销售方案