Dịch
Foundations of Programming, Statistics, and Machine Learning for Business Analytics 1st Edition
BRAND: Sage
| Publisher: | Sage Publications Ltd (UK) |
| Author: | Ram Gopal; Dan Philps; Tillman Weyde |
| Edition: | @2023 |
| eBook ISBN: | 9781529621563 |
| Print ISBN: | 9781529620900 |
| Type: | 1 Year Subscription. Dành cho Cá nhân |
Trường ĐH, Nhóm, Thư Viện: Gọi 0915920514 để báo giá eBook hosting trên Vital Source hoặc mua Sách In
See what in the box
Mô tả sản phẩm
Nền tảng lập trình, thống kê và học máy cho phân tích doanh nghiệp
Các nhà phân tích kinh doanh và nhà khoa học dữ liệu đang có nhu cầu rất lớn khi các công ty toàn cầu tìm cách chuyển đổi kỹ thuật số và tận dụng tài nguyên dữ liệu của họ để hiện thực hóa lợi thế cạnh tranh.
Cuốn sách này bao gồm tất cả các nguyên tắc cơ bản, từ thống kê, lập trình đến ứng dụng kinh doanh, để trang bị cho bạn kiến thức nền tảng vững chắc cần thiết để tiến bộ trong phân tích kinh doanh.
Giả sử không có kiến thức trước về lập trình hoặc thống kê, cuốn sách này sử dụng cách tiếp cận từng bước đơn giản giúp dễ hiểu các chủ đề có thể đáng sợ bằng cách giữ Toán học ở mức tối thiểu và bao gồm các ví dụ về phân tích kinh doanh trong thực tế.
Các tính năng chính:
·Giới thiệu các nguyên tắc cơ bản về lập trình bằng R và Python
·Bao gồm cấu trúc dữ liệu, quản lý và thao tác dữ liệu và trực quan hóa dữ liệu
·Bao gồm sổ ghi chép mã hóa tương tác để bạn có thể nâng cao kỹ năng lập trình của mình dần dần
Thích hợp làm tài liệu cần thiết cho sinh viên đại học và sau đại học đang học Phân tích kinh doanh hoặc làm tài liệu chuẩn bị cho sinh viên học Khoa học dữ liệu.
Ram Gopal là Trưởng khoa và Giáo sư Hệ thống Thông tin tại Đại học Warwick.
Daniel Philps là Nhà nghiên cứu trí tuệ nhân tạo và Giám đốc chiến lược đầu tư của Rothko.
Tillman Weyde là Giảng viên cao cấp tại City, Đại học London.
About the Authors
Acknowledgements
Online Resources
About this Book
1 Introduction to Programming and Statistics
2 Summarizing and Visualizing Data
3 Managing and Preparing Data
4 Programming Fundamentals
5 Random Variables, Probability, and Distributions
6 Distributions
7 Statistical Testing – Concepts and Strategy
8 Statistical Tests
9 Nonparametric Tests
10 Reality Check
11 Fundamentals of Estimation
12 Estimation of Linear Models
13 General Linear Models
14 Regression Diagnostics and Structure
15 Timeseries and Forecasting
16 Introduction to Machine Learning
17 Model Selection and Cross-validation
18 Regression Models in Machine Learning
19 Classification Models and Evaluation
20 Automated Machine Learning
Index
Nền tảng lập trình, thống kê và học máy cho phân tích doanh nghiệp
Các nhà phân tích kinh doanh và nhà khoa học dữ liệu đang có nhu cầu rất lớn khi các công ty toàn cầu tìm cách chuyển đổi kỹ thuật số và tận dụng tài nguyên dữ liệu của họ để hiện thực hóa lợi thế cạnh tranh.
Cuốn sách này bao gồm tất cả các nguyên tắc cơ bản, từ thống kê, lập trình đến ứng dụng kinh doanh, để trang bị cho bạn kiến thức nền tảng vững chắc cần thiết để tiến bộ trong phân tích kinh doanh.
Giả sử không có kiến thức trước về lập trình hoặc thống kê, cuốn sách này sử dụng cách tiếp cận từng bước đơn giản giúp dễ hiểu các chủ đề có thể đáng sợ bằng cách giữ Toán học ở mức tối thiểu và bao gồm các ví dụ về phân tích kinh doanh trong thực tế.
Các tính năng chính:
·Giới thiệu các nguyên tắc cơ bản về lập trình bằng R và Python
·Bao gồm cấu trúc dữ liệu, quản lý và thao tác dữ liệu và trực quan hóa dữ liệu
·Bao gồm sổ ghi chép mã hóa tương tác để bạn có thể nâng cao kỹ năng lập trình của mình dần dần
Thích hợp làm tài liệu cần thiết cho sinh viên đại học và sau đại học đang học Phân tích kinh doanh hoặc làm tài liệu chuẩn bị cho sinh viên học Khoa học dữ liệu.
Ram Gopal là Trưởng khoa và Giáo sư Hệ thống Thông tin tại Đại học Warwick.
Daniel Philps là Nhà nghiên cứu trí tuệ nhân tạo và Giám đốc chiến lược đầu tư của Rothko.
Tillman Weyde là Giảng viên cao cấp tại City, Đại học London.
About the Authors
Acknowledgements
Online Resources
About this Book
1 Introduction to Programming and Statistics
2 Summarizing and Visualizing Data
3 Managing and Preparing Data
4 Programming Fundamentals
5 Random Variables, Probability, and Distributions
6 Distributions
7 Statistical Testing – Concepts and Strategy
8 Statistical Tests
9 Nonparametric Tests
10 Reality Check
11 Fundamentals of Estimation
12 Estimation of Linear Models
13 General Linear Models
14 Regression Diagnostics and Structure
15 Timeseries and Forecasting
16 Introduction to Machine Learning
17 Model Selection and Cross-validation
18 Regression Models in Machine Learning
19 Classification Models and Evaluation
20 Automated Machine Learning
Index
