Tipo: materialTypeLabelLibro - General
Ubicación Física: 006.312 / S558 2018

Data mining for business analytics : concepts, techniques, and application in R /

Autor: Shmueli, Galit.
Otros Autores: Bruce, Peter C. ( autor ) ; Yahav, Inbal ( autor ) ; Patel, Nitin R. ( autor ) .
Otros Autores: Lichtendahl, Kenneth C.
Pié de imprenta: Hoboken, New Jersey : John Wiley & Sons, 2018.
Descripción: 544 páginas ; ilustraciones, gráficas ; 18 x 26 cm.
ISBN: 9781118879368.
Tema(s):
Contenido: Part I. Preliminares. 1. Introduiction. 2. Overview of the data mining process. Part II. Data exploration and dimension reduction. 3. Data visualization. 4. Dimension reduction. Part III. Performance evaluation. 5. Evaluating predictive performance. Part IV. Prediction and classification methods. 6. Multiple linear regression. 7. k-Nearest neighbors (kNN) 8. The Naive bayes classifier. 9. Classification and regression trees. 10. Logistic regression. 11. Neural nets. 12. Discriminant analysis. 13. Combining methods: ensembles and Uplitt modeling. Part V. Mining relationships among records. 14. Association rules and collaborative filtering. 15. Cluster analysis. Part VI. Forecasting time series. 16. Handling time series. 17. Regression-based forecasting. Part VII. Data analytics. 19. Social network analytics. 20. Text mining. Part VIII. Cases. 21. Cases.
Contenido: Parte I. Preliminares. 1. Introdución. 2. Visión general del proceso de minería de datos. Parte II. Exploración de datos y reducción de dimensiones. 3. Visualización de datos. 4. Reducción de la dimensión. Parte III. Evaluación del desempeño. 5. Evaluar el rendimiento predictivo. Parte IV. Métodos de predicción y clasificación. 6. Regresión lineal múltiple. 7. K-vecinos más cercanos (kNN) 8. El clasificador Naive Bayes. 9. Clasificación y regresión de árboles. 10. Regresión logística. 11. Redes neuronales. 12. Análisis discriminante. 13. Métodos de combinación: conjuntos y modelado Uplitt. Parte V. Relaciones mineras entre registros. 14. Reglas de asociación y filtrado colaborativo. 15. Análisis de conglomerados. Parte VI. Predicción de series de tiempo. 16. Manejo de series de tiempo. 17. Previsión basada en la regresión. Parte VII. Datos analíticos. 19. Análisis de redes sociales. 20. Minería de textos. Parte VIII. Casos 21. Casos.
Resumen: La minería de datos para Business Analytics: conceptos, técnicas y aplicaciones en R presenta un enfoque aplicado a los conceptos y métodos de minería de datos, utilizando el software R para la ilustración Los lectores aprenderán cómo implementar una variedad de algoritmos populares de minería de datos en R (un software gratuito y de código abierto) para abordar problemas y oportunidades comerciales. Esta es la quinta versión de este texto exitoso y la primera que usa R. Cubre los algoritmos estadísticos y de aprendizaje automático para la predicción, clasificación, visualización, reducción de dimensión, sistemas de recomendación, agrupación, extracción de texto y análisis de redes. También incluye: • Dos nuevos coautores, Inbal Yahav y Casey Lichtendahl, que aportan experiencia en la enseñanza de cursos de análisis de negocios usando R, y experiencia en consultoría de minería de datos en negocios y gobierno • Actualizaciones y nuevo material basado en los comentarios de los instructores que imparten cursos de MBA, licenciatura, diploma y cursos ejecutivos, y de sus estudiantes. • Más de una docena de casos de estudio que demuestran aplicaciones para las técnicas de extracción de datos descritas • Ejercicios de fin de capítulo que ayudan a los lectores a evaluar y ampliar su comprensión y competencia del material presentado. • Un sitio web complementario con más de dos docenas de conjuntos de datos y materiales para instructores que incluyen soluciones de ejercicios, diapositivas de PowerPoint y soluciones de casos www.dataminingbook.com Data Mining para Business Analytics: conceptos, técnicas y aplicaciones en R es un libro de texto ideal para cursos de posgrado y de nivel superior en minería de datos, análisis predictivo y análisis de negocios. Esta nueva edición es también una excelente referencia para analistas, investigadores y profesionales que trabajan con métodos cuantitativos en los campos de negocios, finanzas, marketing, informática y tecnología de la información.

Lista(s) en las que aparece este ítem: Adquisiciones Ingeniería Industrial 2017-
Etiquetas de esta biblioteca: No hay etiquetas de esta biblioteca para este título. Ingresar para agregar etiquetas.
    Valoración media: 0.0 (0 votos)
Tipo de ítem Ubicación actual Colección Signatura Copia número Estado Fecha de vencimiento Código de barras
Libro - General Libro - General Sede Cra 13
CYP
Colección General 006.312/S558/2018 (Navegar estantería) Ej. 1 Disponible 60593
Libro - General Libro - General Sede Cra 13
CYP
Colección General 006.312/S558/2018 (Navegar estantería) Ej. 2 Disponible 60594

Part I. Preliminares. 1. Introduiction. 2. Overview of the data mining process. Part II. Data exploration and dimension reduction. 3. Data visualization. 4. Dimension reduction. Part III. Performance evaluation. 5. Evaluating predictive performance. Part IV. Prediction and classification methods. 6. Multiple linear regression. 7. k-Nearest neighbors (kNN) 8. The Naive bayes classifier. 9. Classification and regression trees. 10. Logistic regression. 11. Neural nets. 12. Discriminant analysis. 13. Combining methods: ensembles and Uplitt modeling. Part V. Mining relationships among records. 14. Association rules and collaborative filtering. 15. Cluster analysis. Part VI. Forecasting time series. 16. Handling time series. 17. Regression-based forecasting. Part VII. Data analytics. 19. Social network analytics. 20. Text mining. Part VIII. Cases. 21. Cases.

Parte I. Preliminares. 1. Introdución. 2. Visión general del proceso de minería de datos. Parte II. Exploración de datos y reducción de dimensiones. 3. Visualización de datos. 4. Reducción de la dimensión. Parte III. Evaluación del desempeño. 5. Evaluar el rendimiento predictivo. Parte IV. Métodos de predicción y clasificación. 6. Regresión lineal múltiple. 7. K-vecinos más cercanos (kNN) 8. El clasificador Naive Bayes. 9. Clasificación y regresión de árboles. 10. Regresión logística. 11. Redes neuronales. 12. Análisis discriminante. 13. Métodos de combinación: conjuntos y modelado Uplitt. Parte V. Relaciones mineras entre registros. 14. Reglas de asociación y filtrado colaborativo. 15. Análisis de conglomerados. Parte VI. Predicción de series de tiempo. 16. Manejo de series de tiempo. 17. Previsión basada en la regresión. Parte VII. Datos analíticos. 19. Análisis de redes sociales. 20. Minería de textos. Parte VIII. Casos 21. Casos.

Industrial

La minería de datos para Business Analytics: conceptos, técnicas y aplicaciones en R presenta un enfoque aplicado a los conceptos y métodos de minería de datos, utilizando el software R para la ilustración
Los lectores aprenderán cómo implementar una variedad de algoritmos populares de minería de datos en R (un software gratuito y de código abierto) para abordar problemas y oportunidades comerciales.
Esta es la quinta versión de este texto exitoso y la primera que usa R. Cubre los algoritmos estadísticos y de aprendizaje automático para la predicción, clasificación, visualización, reducción de dimensión, sistemas de recomendación, agrupación, extracción de texto y análisis de redes. También incluye:
• Dos nuevos coautores, Inbal Yahav y Casey Lichtendahl, que aportan experiencia en la enseñanza de cursos de análisis de negocios usando R, y experiencia en consultoría de minería de datos en negocios y gobierno
• Actualizaciones y nuevo material basado en los comentarios de los instructores que imparten cursos de MBA, licenciatura, diploma y cursos ejecutivos, y de sus estudiantes.
• Más de una docena de casos de estudio que demuestran aplicaciones para las técnicas de extracción de datos descritas
• Ejercicios de fin de capítulo que ayudan a los lectores a evaluar y ampliar su comprensión y competencia del material presentado.
• Un sitio web complementario con más de dos docenas de conjuntos de datos y materiales para instructores que incluyen soluciones de ejercicios, diapositivas de PowerPoint y soluciones de casos www.dataminingbook.com
Data Mining para Business Analytics: conceptos, técnicas y aplicaciones en R es un libro de texto ideal para cursos de posgrado y de nivel superior en minería de datos, análisis predictivo y análisis de negocios. Esta nueva edición es también una excelente referencia para analistas, investigadores y profesionales que trabajan con métodos cuantitativos en los campos de negocios, finanzas, marketing, informática y tecnología de la información.

No hay comentarios en este titulo.

para colocar un comentario.

Haga clic en una imagen para verla en el visor de imágenes

Universidad Católica de Colombia
La Universidad Católica de Colombia es una Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación, reconocida mediante Resolución Número 2271 de julio 7 de 1970 del Ministerio de Justicia.
Universidad Católica de Colombia © Copyright 2017
Universidad Católica de Colombia • PBX: (57 1) 3 27 73 00 - (57 1) 3 27 73 33
Bogotá, Avenida Caracas # 46 -72, sede Las Torres • Bogotá, Carrera 13 # 47 – 30, Sede 4​ • Bogotá, Diagonal 46 A # 15 B – 10, sede El Claustro
Bogotá, Carrera 13 # 47 – 49, sede Carrera 13