Bewertung:
Das Buch bietet eine klare und prägnante Einführung in Predictive Analytics und Data Science mit RapidMiner. Während die Erklärungen und Lehrmethoden gelobt werden, gibt es erhebliche Kritikpunkte bezüglich der Qualität des gedruckten Materials, insbesondere der Mangel an Farbe in den Illustrationen.
Vorteile:⬤ Großartige Erklärungen und Beispiele
⬤ insgesamt gut geschrieben
⬤ exzellente Vermittlung von Grundlagen der Datenwissenschaft
⬤ klar und prägnant
⬤ deckt wesentliche Aspekte der Verwendung von RapidMiner ab
⬤ geeignet für Anfänger und Geschäftsperspektiven.
⬤ Gedruckt in schwarz-weiß, fehlende Farbe in wichtigen Illustrationen
⬤ wahrgenommen als gedruckt für die Rentabilität und nicht für die Qualität
⬤ einige Diagramme sind schlecht gerendert, was vom Inhalt ablenkt.
(basierend auf 7 Leserbewertungen)
Data Science: Concepts and Practice
Lernen Sie die Grundlagen der Datenwissenschaft durch einen leicht verständlichen konzeptionellen Rahmen und üben Sie sofort mit der RapidMiner Plattform. Egal, ob Sie ganz neu im Bereich Data Science sind oder an Ihrem zehnten Projekt arbeiten, dieses Buch wird Ihnen zeigen, wie Sie Daten analysieren, versteckte Muster und Beziehungen aufdecken, um wichtige Entscheidungen und Vorhersagen zu unterstützen.
Data Science ist zu einem unverzichtbaren Werkzeug geworden, um für jedes Unternehmen, das im Rahmen seiner Tätigkeit Daten sammelt, speichert und verarbeitet, einen Mehrwert aus Daten zu ziehen. Dieses Buch ist ideal für Geschäftsanwender, Datenanalysten, Business-Analysten, Ingenieure und Analytiker sowie für alle, die mit Daten arbeiten.
Sie werden in der Lage sein:
⬤ das nötige Wissen über verschiedene Data-Science-Techniken zu erlangen, um einen Mehrwert aus Daten zu ziehen.
⬤ Beherrschen Sie die Konzepte und die Funktionsweise von 30 häufig verwendeten, leistungsstarken Data-Science-Algorithmen.
⬤ Schritt-für-Schritt Data Science Prozesse mit RapidMiner, einer Open Source GUI basierten Data Science Plattform, zu implementieren.
Behandelte Techniken der Datenwissenschaft: Explorative Datenanalyse, Visualisierung, Entscheidungsbäume, Regelinduktion, k-nearest neighbors, Nave Bayes'sche Klassifikatoren, künstliche neuronale Netze, Deep Learning, Support Vector Machines, Ensemble-Modelle, Random Forests, Regression, Recommendation Engines, Assoziationsanalyse, K-Means und dichtebasiertes Clustering, Self Organizing Maps, Text Mining, Zeitreihenvorhersage, Anomalieerkennung, Feature Selection und mehr...
| ISBN: | 9780128147610 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 568 |
Derzeit verfügbar, auf Lager.
