Bewertung:
Das Buch dient als Überblick über verschiedene Datenanalysetools, lässt aber Tiefe und Klarheit vermissen. Es kann für Anfänger geeignet sein, ist aber für diejenigen, die ein umfassendes Verständnis oder praktische Fähigkeiten erwerben wollen, zu kurz.
Vorteile:Kann für Nicht-Datenpraktiker geeignet sein, die sich einen Überblick über Tools verschaffen wollen; deckt eine Reihe von Themen ab.
Nachteile:⬤ Mittelmäßige Ausführlichkeit in den Kapiteln
⬤ schlechte Formatierung
⬤ oberflächliche Behandlung von R und Python
⬤ wichtige Inhalte wie die Abdeckung von R Studio fehlen
⬤ fragwürdige Beispiele, die die üblichen Konventionen missachten.
(basierend auf 1 Leserbewertungen)
Introduction to Data Mining and Analytics
Data Mining and Analytics bietet einen umfassenden und interaktiven Überblick über einen schnell wachsenden Bereich. Die exponentiell steigende Geschwindigkeit, mit der Daten generiert werden, schafft einen entsprechenden Bedarf an Fachleuten, die effektiv mit ihrer Speicherung, Analyse und Übersetzung umgehen können. Mit einem doppelten Schwerpunkt auf Konzepten und Abläufen bietet dieser Text eine vollständige Anleitung und ist eine hervorragende Ressource für alle, die sich mit dem Thema beschäftigen.
Es sind keine Programmierkenntnisse erforderlich, um diese Ressource optimal zu nutzen. Fallstudien und praktische Übungen beziehen reale Datensätze mit ein und geben den Studenten die Möglichkeit, ihre neuen Fähigkeiten zu erproben. Unser Cloud-Desktop integriert gängige Data-Mining-Tools, so dass die Schüler mit den Standardanwendungen der Branche vertraut werden.
Nach einer Definition der Konzepte von Data Mining und maschinellem Lernen befasst sich Data Mining and Analytics mit den Arten von Datenbanken, ihrer jeweiligen Relevanz und Beliebtheit sowie den Trends, die ihre Nutzung beeinflussen. Die Bedeutung der Datenvisualisierung für Kommunikationszwecke wird ebenso erforscht wie die Prozesse der Datenbereinigung, des Clustering und der Klassifizierung. Excel, SQL, NoSQL, Python und die R-Programmierung werden ausführlich behandelt und durch praktische Übungen ergänzt. Die in früheren Kapiteln behandelten Vorgänge werden durch eine praktische Anwendung auf die aktuellen Themen "Big Data" und Text- und Bild-Data-Mining in einen realen Kontext gestellt. Der Text schließt mit einer Beschreibung der Schritte eines Analysten von der Planung bis zur Ausführung, um sicherzustellen, dass die Leser das technische Know-how erwerben, um ein Datenprojekt am Arbeitsplatz zu starten, zu leiten oder zu unterstützen.
| ISBN: | 9781284180909 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 668 |
Derzeit verfügbar, auf Lager.
