Analyse prédictive appliquée : Principes et techniques pour l'analyste de données professionnel

Note :   (4,5 sur 5)

Analyse prédictive appliquée : Principes et techniques pour l'analyste de données professionnel (Dean Abbott)

Avis des lecteurs

Résumé:

Applied Predictive Analytics de Dean Abbott est un guide pratique qui se concentre sur l'exécution de projets d'analyse prédictive à travers le cadre CRISP-DM. Le livre fournit une vue d'ensemble complète et accessible des différentes techniques de modélisation prédictive, en mettant l'accent sur l'application dans le monde réel plutôt que sur l'approfondissement théorique. Il est particulièrement apprécié pour son style clair et ses idées pratiques, qui le rendent adapté aux analystes de données et aux étudiants. Cependant, certaines sections, telles que le text mining et le NLP, sont considérées comme sous-développées, et il y a des critiques concernant des explications statistiques spécifiques.

Avantages:

Un style d'écriture accessible et engageant qui simplifie les concepts complexes.

Inconvénients:

Une couverture complète du cadre CRISP-DM avec une attention égale sur les différentes étapes.

(basé sur 39 avis de lecteurs)

Titre original :

Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst

Contenu du livre :

Apprendre l'art et la science de l'analyse prédictive -- des techniques qui donnent des résultats

L'analyse prédictive permet de transformer les données volumineuses en informations commerciales utiles et utilisables. Rédigé par un expert de premier plan dans ce domaine, ce guide examine la science des algorithmes sous-jacents ainsi que les principes et les meilleures pratiques qui régissent l'art de l'analyse prédictive. Il explique clairement la théorie qui sous-tend l'analyse prédictive, enseigne les méthodes, les principes et les techniques pour mener à bien des projets d'analyse prédictive, et offre des conseils et des astuces qui sont essentiels pour une modélisation prédictive réussie. Des exemples pratiques et des études de cas sont inclus.

⬤ La capacité à appliquer avec succès l'analyse prédictive permet aux entreprises d'interpréter efficacement les big data.

Essentiel pour la concurrence aujourd'hui.

⬤ Ce guide enseigne non seulement les principes de l'analyse prédictive, mais aussi comment les appliquer pour obtenir des solutions réelles et pragmatiques.

⬤ Il explique les méthodes, les principes et les techniques pour mener des projets d'analyse prédictive du début à la fin.

⬤ Il illustre chaque technique par des exemples pratiques et inclut une série d'études de cas approfondies qui appliquent l'analyse prédictive à des scénarios d'entreprise courants.

⬤ Un site Web d'accompagnement fournit tous les ensembles de données utilisés pour générer les exemples ainsi qu'une version d'essai gratuite du logiciel.

Applied Predictive Analytics arme les analystes de données et d'affaires et les gestionnaires d'entreprise avec les outils dont ils ont besoin pour interpréter et capitaliser sur les données massives (big data).

Autres informations sur le livre :

ISBN :9781118727966
Auteur :
Éditeur :
Reliure :Broché
Année de publication :2014
Nombre de pages :464

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Analyse prédictive appliquée : Principes et techniques pour l'analyste de données professionnel -...
Apprendre l'art et la science de l'analyse prédictive...
Analyse prédictive appliquée : Principes et techniques pour l'analyste de données professionnel - Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst
Le bien commun - Common Good
À une époque de confusion morale, les gens cherchent des réponses. Les exigences contradictoires de notre époque et les bouleversements culturels et...
Le bien commun - Common Good

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)