توضیحات
Learn How to Properly Use the Latest Analytics Approaches in Your Organization
Computational Business Analytics presents tools and techniques for descriptive, predictive, and prescriptive analytics applicable across multiple domains. Through many examples and challenging case studies from a variety of fields, practitioners easily see the connections to their own problems and can then formulate their own solution strategies.
The book first covers core descriptive and inferential statistics for analytics. The author then enhances numerical statistical techniques with symbolic artificial intelligence (AI) and machine learning (ML) techniques for richer predictive and prescriptive analytics. With a special emphasis on methods that handle time and textual data, the text:
- Enriches principal component and factor analyses with subspace methods, such as latent semantic analyses
- Combines regression analyses with probabilistic graphical modeling, such as Bayesian networks
- Extends autoregression and survival analysis techniques with the Kalman filter, hidden Markov models, and dynamic Bayesian networks
- Embeds decision trees within influence diagrams
- Augments nearest-neighbor and k-means clustering techniques with support vector machines and neural networks
These approaches are not replacements of traditional statistics-based analytics; rather, in most cases, a generalized technique can be reduced to the underlying traditional base technique under very restrictive conditions. The book shows how these enriched techniques offer efficient solutions in areas, including customer segmentation, churn prediction, credit risk assessment, fraud detection, and advertising campaigns.
————————————————————–
ترجمه ماشینی :
یاد بگیرید چگونه از جدیدترین رویکردهای تجزیه و تحلیل در سازمان خود به درستی استفاده کنید
تجزیه و تحلیل کسب و کار محاسباتی ابزارها و تکنیک هایی را برای توصیف، پیش بینی و تجویز ارائه می دهد. تجزیه و تحلیل قابل اجرا در چندین دامنه از طریق مثالهای فراوان و مطالعات موردی چالش برانگیز از زمینههای مختلف، پزشکان به راحتی ارتباط با مشکلات خود را میبینند و سپس میتوانند استراتژیهای راهحل خود را تدوین کنند.
این کتاب ابتدا محورهای اصلی را پوشش میدهد. آمار توصیفی و استنباطی برای تجزیه و تحلیل سپس نویسنده تکنیکهای آماری عددی را با تکنیکهای هوش مصنوعی نمادین (AI) و یادگیری ماشین (ML) برای تجزیه و تحلیلهای پیشبینیکننده و تجویزی غنیتر تقویت میکند. با تاکید ویژه بر روشهایی که دادههای متنی و زمان را مدیریت میکنند، متن:
- تحلیلهای مؤلفههای اصلی و عاملی را با روشهای زیرفضا، مانند معنایی پنهان، غنی میکند. تجزیه و تحلیل
- تحلیل رگرسیون را با مدلسازی گرافیکی احتمالی، مانند شبکههای بیزی ترکیب میکند
- تکنیکهای خودرگرسیون و تحلیل بقا را با فیلتر کالمن، مدلهای مارکوف پنهان و شبکههای بیزی پویا گسترش میدهد
- درختهای تصمیم را در نمودارهای نفوذ جاسازی میکند
- نزدیکترین همسایه و k-به معنی تکنیکهای خوشهبندی با ماشینهای بردار پشتیبان و شبکههای عصبی را افزایش میدهد
این رویکردها جایگزین تجزیه و تحلیل های سنتی مبتنی بر آمار نیستند. در عوض، در بیشتر موارد، یک تکنیک تعمیم یافته را می توان تحت شرایط بسیار محدود به تکنیک پایه سنتی زیربنایی کاهش داد. این کتاب نشان میدهد که چگونه این تکنیکهای غنیشده راهحلهای کارآمدی را در زمینههایی از جمله تقسیمبندی مشتری، پیشبینی ریزش، ارزیابی ریسک اعتباری، کشف تقلب، و کمپینهای تبلیغاتی ارائه میدهند.
tag : دانلود کتاب تجزیه و تحلیل کسب و کار محاسباتی , Download تجزیه و تحلیل کسب و کار محاسباتی , دانلود تجزیه و تحلیل کسب و کار محاسباتی , Download Computational Business Analytics Book , تجزیه و تحلیل کسب و کار محاسباتی دانلود , buy تجزیه و تحلیل کسب و کار محاسباتی , خرید کتاب تجزیه و تحلیل کسب و کار محاسباتی , دانلود کتاب Computational Business Analytics , کتاب Computational Business Analytics , دانلود Computational Business Analytics , خرید Computational Business Analytics , خرید کتاب Computational Business Analytics ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.