Księgarnia naukowo-techniczna styczna.pl

Księgarnia naukowo-techniczna
styczna.pl

 


Zaawansowane wyszukiwanie
  Strona Główna » Sklep » Informatyka » Bazy danych » Moje Konto  |  Zawartość Koszyka  |  Do Kasy   
 Wybierz kategorię
Albumy
Architektura
Beletrystyka
Biochemia
Biologia
Biznes
Budownictwo
Chemia
Design DTP
E-biznes
Ekologia i środowisko
Ekonometria
Ekonomia Finanse
Elektronika
Elektrotechnika
Encyklopedie
Energetyka
Fizyka
Fotografia
Geografia
Historia
Informatyka
  Bazy danych
  Bezpieczeństwo
  Budowa komputera
  CAD
  Grafika komputerowa
  iPod Pocket PC
  Kursy
  Media społecznościowe
  Office
  Programowanie
  Programy graficzne
  Sieci bezprzewodowe
  Sieci komputerowe
  Systemy operacyjne
  Techniki programowania
  Webmasterstwo
Maszynoznawstwo
Matematyka
Medycyna
Motoryzacja
Polityka
Popularnonaukowe
Poradniki
Prawo
Słowniki
Sport
Sztuka
Technika
Telekomunikacja
Turystyka
Zarządzanie jakością

Zobacz pełny katalog »
Mistrz analizy danych. Od danych do wiedzy 77.00zł 57.75zł
Mistrz analizy danych. Od danych do wiedzy

Tytuł: Mistrz analizy danych. Od danych do wiedzy
Autor: John W. Foreman
ISBN: 978-83-283-3357-4
Ilość stron: 440
Data wydania: 09/2017
Format: 17.2x22.9
Wydawnictwo: HELION

Cena: 77.00zł 57.75zł


Nauka o danych, znana również pod nazwą data science, jest stosunkowo nową, interdyscyplinarną dziedziną, zajmującą się różnymi technikami analizy danych, ich implementacją i wykorzystywaniem do różnych celów. Zalety nauki o danych doceniają specjaliści z wielu branż: analitycy biznesowi, statystycy, architekci oprogramowania i osoby zajmujące się sztuczną inteligencją. Tak naprawdę ta dziedzina nie koncentruje się na kodowaniu i bazach danych, ale raczej na metodach wyłuskiwania z danych najróżniejszych cennych informacji. Wartość tej wiedzy niejednokrotnie okazuje się ogromna.

Niniejsza książka jest przystępnym wprowadzeniem do nauki o danych. Jest przeznaczona dla osób, które chcą stosować techniki analizy danych w biznesie. Te techniki, opisane na podstawie praktycznych przypadków, to m.in. optymalizacja, prognozowanie i symulacja, a także sztuczna inteligencja, teoria grafów, analiza skupień i wykrywanie anomalii. Dzięki tej książce nie tylko zrozumiesz zasady analizowania danych, ale także nauczysz się wybierać technikę właściwą do rozwiązania danego problemu. Poznasz też techniki pracy z prototypami. Co ciekawe, niemal wszystkie opisane tu metody zostały zaprezentowane w arkuszu kalkulacyjnym.

W książce opisano m.in.

  • optymalizację za pomocą programowania liniowego i całkowitoliczbowego
  • szereg czasowy, wykrywanie trendów i wahań sezonowych
  • przewidywanie za pomocą wygładzania wykładniczego
  • metodę symulacji Monte Carlo
  • test Tukeya i lokalne czynniki odstające
  • język R — zaawansowane techniki analizy danych

Wyciśnij z danych każdą kroplę wiedzy!

Rozdziały:

O autorze (11)

O korektorach merytorycznych (11)

Podziękowania (12)

Wstęp (13)

  • Co ja tutaj robię? (13)
  • Praktyczna definicja analizy danych (14)
  • Chwila, chwila. A co z big data? (15)
  • Kim jestem? (16)
  • Kim jesteś? (16)
  • Na szczęście będziesz pracować tylko w arkuszu kalkulacyjnym (17)
    • Ale arkusze kalkulacyjne są takie staromodne! (18)
    • Korzystaj z programu Excel lub pakietu LibreOffice (18)
  • Konwencje typograficzne przyjęte w tej książce (19)
  • Zaczynamy (20)

1. Wszystko, co chciałeś wiedzieć o arkuszu kalkulacyjnym, ale bałeś się o to zapytać (21)

  • Przykładowe proste dane (22)
  • Szybkie przeglądanie arkusza i klawisz Ctrl (23)
  • Szybkie kopiowanie danych i formuł (24)
  • Formatowanie komórek (26)
  • Wklejanie wartości specjalnych (27)
  • Wstawianie wykresów (28)
  • Menu Znajdź i menu Zamień (29)
  • Formuły przeznaczone do wyszukiwania i wyciągania wartości (30)
  • Stosowanie formuły WYSZUKAJ.PIONOWO do łączenia danych (32)
  • Filtrowanie i sortowanie (33)
  • Stosowanie tabel przestawnych (36)
  • Korzystanie z formuł tablicowych (39)
  • Rozwiązywanie problemów za pomocą narzędzia Solver (40)
  • OpenSolver - chciałbym, abyśmy go nie potrzebowali, ale... (46)
  • Podsumowanie (47)

2. Analiza skupień. Część I - zastosowanie algorytmu centroidów do segmentowania bazy klientów (49)

  • Dziewczyny tańczą z dziewczynami, a chłopcy drapią się po łokciach (51)
  • Prawdziwy problem: implementacja algorytmu centroidów w e-mail marketingu (56)
    • Handel winem (56)
    • Początkowy zbiór danych (57)
    • Określanie tego, co chcemy mierzyć (57)
    • Zacznij od czterech grup (61)
    • Odległość euklidesowa - pomiar odległości w linii prostej (61)
    • Odległość dla wszystkich! (64)
    • Określanie położenia środków klastrów (66)
    • Analiza uzyskanych wyników (68)
    • Ustalanie najlepszej oferty dla danego klastra (69)
    • Sylwetka podziału - dobry sposób na określenie optymalnej liczby klastrów (74)
    • A może potrzebujesz pięciu klastrów? (81)
    • Dzielenie klientów na pięć klastrów za pomocą narzędzia Solver (81)
    • Ustalanie najlepszych ofert dla wszystkich pięciu klastrów (82)
    • Określanie sylwetki podziału na pięć klastrów (85)
  • Podział na grupy za pomocą algorytmu k-medioidów i asymetryczny pomiar odległości (87)
    • Podział na grupy za pomocą metody k-medioidów (87)
    • Stosowanie lepszego sposobu pomiaru odległości (87)
    • Implementacja za pomocą Excela (90)
    • Najlepsze oferty przy podziale na pięć klastrów za pomocą median (92)
  • Podsumowanie (95)

3. Naiwny klasyfikator bayesowski i niezwykła lekkość bycia idiotą (97)

  • Jeżeli nazwiesz swój produkt Mandrill, to uzyskasz zaszumione informacje zwrotne (97)
  • Najszybsze na świecie wprowadzenie do rachunku prawdopodobieństwa (100)
    • Obliczanie prawdopodobieństwa warunkowego (100)
    • Prawdopodobieństwo części wspólnej, reguła łańcuchowa i niezależność (101)
    • A co, jeżeli sytuacje są zależne od siebie? (102)
    • Twierdzenie Bayesa (102)
  • Tworzenie modelu sztucznej inteligencji za pomocą twierdzenia Bayesa (103)
    • Zwykle zakłada się, że wysokopoziomowe prawdopodobieństwa klas są sobie równe (105)
    • Kilka innych drobnostek (106)
  • Czas rozpocząć zabawę z Excelem (107)
    • Usuwanie nieistotnych znaków interpunkcyjnych (108)
    • Dzielenie na znakach spacji (109)
    • Zliczanie leksemów i obliczanie prawdopodobieństw (112)
    • Zbudowaliśmy model. Skorzystajmy z niego! (114)
  • Podsumowanie (120)

4. Modelowanie optymalizacyjne - "świeżo wyciśnięty" sok nie zamiesza się sam (123)

  • Dlaczego analityk danych powinien wiedzieć, czym jest optymalizacja? (124)
  • Zacznijmy od prostego kompromisu (125)
    • Przedstawienie problemu w formie wielokomórki (126)
    • Rozwiązywanie problemu poprzez przesuwanie poziomicy (128)
    • Metoda simpleks - kręcenie się wokół rogów (129)
    • Praca w Excelu (130)
    • Na końcu tego rozdziału kryje się potwór (140)
  • Szklanka świeżego soku pomarańczowego prosto z drzewa... z przystankiem na modelowanie (141)
    • Trzeba skorzystać z modelu mieszania (142)
    • Zacznijmy od specyfikacji soków (142)
    • Stałość produktu wyjściowego (144)
    • Wprowadzanie danych do Excela (145)
    • Określanie problemu w dodatku Solver (148)
    • Obniżanie standardów (150)
    • Usuwanie cuchnącego problemu - minimalizacja maksymalnych odchyleń (154)
    • Warunki i ograniczenie "wielkiego M" (156)
    • Mnożenie zmiennych - skorzystajmy ze 110% mocy Excela (160)
  • Modelowanie ryzyka (168)
    • Dane pochodzące z rozkładu normalnego (168)
  • Podsumowanie (176)

5. Analiza skupień. Część II - grafy i analiza sieci (179)

  • Czym jest graf sieci? (180)
  • Wizualizacja prostego grafu (181)
  • Krótkie wprowadzenie do Gephi (184)
    • Instalacja Gephi i przygotowanie pliku (184)
    • Budowa grafu (185)
    • Stopień rozgałęzienia (188)
    • Elegancki wydruk (190)
    • Edycja danych grafu (192)
  • Tworzenie grafu na podstawie danych sprzedaży wina (193)
    • Tworzenie macierzy podobieństwa kosinusowego (195)
    • Generowanie grafu r-sąsiedztwa (197)
  • Jaka jest wartość krawędzi? Nagradzanie i karanie krawędzi - modularność grafu (202)
    • Czym jest punkt, a czym kara? (202)
    • Tworzenie arkusza punktacji (206)
  • Czas dokonać podziału na grupy (208)
    • Podział 1. (208)
    • Podział 2. - kontratak (214)
    • Podział 3. - zemsta (215)
    • Grupy - kodowanie i analiza (216)
  • Tam i z powrotem - czas na Gephi (220)
  • Podsumowanie (225)

6. Regresja jako przodek nadzorowanego uczenia maszynowego i sztucznej inteligencji (227)

  • Co? Jesteś w ciąży? (227)
  • Nie oszukuj siebie (228)
  • Przewidywanie ciąży klientów na podstawie regresji liniowej (229)
    • Zbiór cech (230)
    • Tworzenie treningowego zbioru danych (231)
    • Tworzenie zmiennych fikcyjnych (233)
    • Pobawmy się regresją liniową (235)
    • Parametry regresji liniowej: współczynnik determinacji, test F i test t (244)
    • Przewidywanie ciąży na nowym zbiorze danych i sprawdzanie jakości modelu (255)
  • Przewidywanie ciąży klientów za pomocą regresji logistycznej (265)
    • Najpierw musisz określić funkcję wiążącą (265)
    • Tworzenie funkcji logistycznej i ponowna optymalizacja (266)
    • Praca nad prawdziwą regresją logistyczną (270)
    • Wybór modelu - porównywanie skuteczności regresji liniowej i regresji logistycznej (272)
  • Dalsza lektura (274)
  • Podsumowanie (275)

7. Modele zespołowe - dużo nie najlepszej pizzy (277)

  • Korzystanie z danych z rozdziału 6. (278)
  • Agregacja - losuj, trenuj, powtórz (280)
    • Pieniek decyzyjny to niezbyt ładne określenie głupiego modelu (280)
    • To wcale nie wydaje się takie głupie! (281)
    • Więcej mocy! (283)
    • Czas rozpocząć proces trenowania (284)
    • Ocena działania modelu zespolonego (293)
  • Wzmacnianie - jeżeli uzyskałeś niesatysfakcjonujące wyniki, to wzmocnij swój model i uruchom go jeszcze raz (298)
    • Trenowanie modelu - każda cecha ma swoje pięć minut (299)
    • Wydajność modelu wzmacnianych reguł decyzyjnych (307)
  • Podsumowanie (311)

8. Prognozowanie - oddychaj spokojnie, i tak nie wygrasz (313)

  • Hossa na rynku sprzedaży mieczy (314)
  • Szeregi czasowe (315)
  • Zacznij od prostego wygładzania wykładniczego (317)
    • Przygotowanie arkusza prognozy prostego wygładzania wykładniczego (319)
  • Być może dane zawierają trend (325)
  • Podwójne wygładzanie wykładnicze (metoda Holta) (327)
    • Metoda Holta w arkuszu kalkulacyjnym (329)
    • To wszystko? Analiza autokorelacji (335)
  • Wielokrotne wygładzanie wykładnicze - model Holta-Wintersa (342)
    • Określanie początkowych wartości poziomu, trendu i sezonowości (345)
    • Tworzenie prognozy (349)
    • Czas na optymalizację (354)
    • Powiedz mi, że to już koniec. Proooszę! (356)
    • Interwały prognozy (356)
    • Tworzenie wykresu warstwowego wachlarza wartości (360)
  • Podsumowanie (362)

9. Wykrywanie obserwacji odstających - to, że jakiś element jest inny od pozostałych, nie oznacza, że jest nieistotny (365)

  • Element odstający to też człowiek (366)
  • Fascynująca sprawa Hadlumów (367)
    • Metoda Tukeya (368)
    • Implementacja metody Tukeya w arkuszu kalkulacyjnym (368)
    • Ograniczenia tej prostej techniki (371)
  • Nie tragiczny, ale słaby we wszystkim (372)
    • Przygotowywanie danych do utworzenia wykresu (373)
    • Tworzenie grafu (376)
    • Określanie k najbliższych sąsiadów (378)
    • Pierwsza metoda wykrywania elementów odstających grafu - skorzystaj ze stopnia wchodzącego (379)
    • Druga metoda wykrywania elementów odstających grafu - zgłębianie niuansów za pomocą k-odległości (383)
    • Trzecia metoda wykrywania elementów odstających grafu - lokalny miernik stopnia oddalenia obserwacji (385)
  • Podsumowanie (391)

10. Przejście z arkusza kalkulacyjnego do języka R (393)

  • Przygotowanie środowiska i początek pracy w języku R (394)
    • Wprowadzanie prostych danych (395)
    • Wczytywanie danych do R (402)
  • Prawdziwa analiza danych (404)
    • Sferyczny algorytm k-średnich wywołany za pomocą zaledwie kilku linii kodu (404)
    • Budowanie modeli sztucznej inteligencji na podstawie danych zakupów (wykrywanie ciąży) (410)
    • Prognozowanie w R (417)
    • Wykrywanie elementów odstających (421)
  • Podsumowanie (426)

Wnioski (427)

  • Gdzie ja jestem? Co się stało? (427)
  • Zanim odłożysz tę książkę (428)
    • Poznaj problem (428)
    • Potrzebujemy więcej tłumaczy (429)
    • Uważaj na trójgłowe monstrum: narzędzia, wydajność i perfekcjonizm (430)
    • Nie jesteś najważniejszą osobą w firmie (432)
  • Bądź kreatywny (433)
Tytuł książki: "Mistrz analizy danych. Od danych do wiedzy"
Autor: John W. Foreman
Wydawnictwo: HELION
Cena: 77.00zł 57.75zł
Klienci, którzy kupili tę książkę, kupili także
Regulacja konkurencji a konkurencja regulacyjna
Regulacja konkurencji a konkurencja regulacyjna
Włodzimierz Szpringer
Poltext
Netnografia Badania etnograficzne online
Netnografia Badania etnograficzne online
Kozinets Robert V.
PWN
Opłata reklamowa Wzory uchwał postanowień i decyzji z komentarzem (z suplementem elektronicznym)
Opłata reklamowa Wzory uchwał postanowień i decyzji z komentarzem (z suplementem elektronicznym)
Zofia Wojdylak-Sputowska
ODDK
Ju 651 Więzień łagrów Workuty
Ju 651 Więzień łagrów Workuty
Pietkiewicz Tadeusz
NORBERTINUM
Apelacja w postępowaniu cywilnym Komentarz Orzecznictwo
Apelacja w postępowaniu cywilnym Komentarz Orzecznictwo
Małgorzata Manowska
LexisNexis
Filozofia nowożytnej Europy
Filozofia nowożytnej Europy
Zbigniew Kuderowicz
PWN
 Koszyk
0 przedmiotów
Wydawnictwo
Tu można zobaczyć wszystkie książki z wydawnictwa:

Wydawnictwo Helion
 Kategoria:
 Chemia
Chemia Fundamenty podręcznik z płytą CD zakres rozszerzony Liceum i technikum

Chemia Fundamenty podręcznik z płytą CD zakres rozszerzony Liceum i technikum

29.00zł
24.65zł
Informacje
Regulamin sklepu.
Koszty wysyłki.
Polityka prywatności.
Jak kupować?
Napisz do Nas.
 Wydawnictwa
 Polecamy
Słownik naukowo-techniczny angielsko-polski Wydanie XII Red. M.Berger, T.Jaworska, A.Baranowska, M.Barańska WNT
Fizyka współczesna Paul A. Tipler Ralph A. Llewellyn PWN
Chemia organiczna Część I-IV Komplet J. Clayden, N. Greeves, S. Warren, P. Wothers WNT
Matematyka konkretna Wydanie 4 Ronald L. Graham, Donald E. Knuth, Oren Patashnik PWN
Miejscowa wentylacja wywiewna Poradnik Optymalizacja parametrów powietrza w pomieszczeniach pracy Maciej Gliński DW Medium
Anatomia człowieka Tom 1-5 Komplet Adam Bochenek, Michał Reicher PZWL
OpenGL Księga eksperta Wydanie V Richard S. Wright, Jr., Nicholas Haemel, Graham Sellers, Benjamin Lipc HELION
Anatomia zwierząt Tom 2 Narządy wewnętrzne i układ krążenia Wydanie 3 Kazimierz Krysiak, Krzysztof Świeżyński PWN
OpenGL w praktyce Janusz Ganczarski BTC