│ 3ds Max│ Maya│ Rhino│ After Effects│ SketchUp│ ZBrush│ Painter│ Unity│
│ PhotoShop│ AutoCad│ MasterCam│ SolidWorks│ Creo│ UG│ Revit│ Nuke│
│ C#│ C│ C++│ Java│ 遊戲程式│ Linux│ 嵌入式│ PLC│ FPGA│ Matlab│
│ 駭客│ 資料庫│ 搜索引擎│ 影像處理│ Fluent│ VR+AR│ ANSYS│ 深度學習│
│ 單晶片│ AVR│ OpenGL│ Arduino│ Raspberry Pi│ 電路設計│ Cadence│ Protel│
│ Hadoop│ Python│ Stm32│ Cortex│ Labview│ 手機程式│ Android│ iPhone│
可查書名,作者,ISBN,3dwoo書號 目前顯示有庫存 顯示全部書籍 詳細書籍分類

管理數據分析——原理、方法、工具及實踐 ( 簡體 字)
作者：麥克.沃森(Michael Watson)德里克.內爾森等	類別：1. -> 程式設計 -> 綜合
譯者：
出版社：機械工業出版社	3dWoo書號： 47551 詢問書籍請說出此書號！ 【缺書】 NT售價： 200 元
出版日：8/15/2017
頁數：172
光碟數：0
站長推薦：
印刷：黑白印刷	語系： ( 簡體 版 )
	加入購物車 │加到我的最愛 (請先登入會員)
ISBN：9787111566977
作者序　|　譯者序　|　前言　|　內容簡介　|　目錄　|　序
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序：
譯者序：
前言：
內容簡介： 數據分析可以幫助組織做從生存到贏利的任何事情。想要開始利用分析學和大數據獲得利潤嗎？這本管理分析學是你理想的第壹資源。無論你的行業或管理角色怎樣，本書都將會幫您以快的速度開始、增值。本書運用現實案例，闡明了多種分析形式：有描述數據和可視化數據的描述性分析，有識別趨勢和關系的預測性分析，有利用你所知信息和預期目標來優化決策的指導性分析。
目錄： 本書榮獲的贊譽 關于作者 序　言 第１ 部分 概　　述　　　　第１ 章　什么是管理數據分析　/ 　２ 　１ １　關于數據分析含義的疑惑　/ 　２ 　１. ２　什么是數據分析　/ 　３ 　　１. ２. １　運用描述性數據分析的事例　/ 　５ 　　１. ２. ２　運用預測性數據分析的事例　/ 　７ 　　１. ２. ３　運用規范性數據分析的事例　/ 　８ 　１. ３　什么是新的內容　/ 　１０ 　１. ４　哪種數據分析最好　/ 　１２ 　１. ５　什么是管理數據分析　/ 　１４ 第２ 章　什么在推動數據分析蓬勃發展　/ 　１９ 　２. １　數據是數據分析的原料　/ 　１９ 　　２. １. １　什么是大數據　/ 　２１ 　　２. １. ２　大數據能替代科學嗎　/ 　２５ 　　２. １. ３　在缺少大數據的條件下可以做數據 分析嗎　/ 　２６ 　２. ２　檢驗促進數據分析的發展　/ 　２７ 第３ 章　數據分析思維方式　/ 　３０ 　３. １　管理數據盲　/ 　３０ 　　３. １. １　計算能力的錯覺　/ 　３１ 　　３. １. ２　過濾謬論　/ 　３３ 　　３. １. ３　一點改進的益處　/ 　３４ 　３. ２　數據分析是一種思維方式　/ 　３５ 　　３. ２. １　８０/２０ 法則　/ 　３７ 　　３. ２. ２　將可變性納入到數據分析中　/ 　３８ 　　３. ２. ３　不能僅使用會計數據　/ 　３９ 　３. ３　透徹思考數據　/ 　４１ 　　３. ３. １　并非所有的數字都是數據　/ 　４１ Ⅷ 　　３. ３. ２　能否信任數據　/ 　４２ 　　３. ３. ３　應該對數據做簡單的測試　/ 　４５ 　　３. ３. ４　就地取材　/ 　４６ 　３. ４　數據科學家的興起　/ 　４８ 第２ 部分 數據分析工具　　　　第４ 章　機器學習　/ 　５２ 　４. １　什么是機器學習　/ 　５２ 　４. ２　監督機器學習算法　/ 　５５ 　　４. ２. １　分類與ｋ 最近鄰算法　/ 　５６ 　　４. ２. ２　分類與決策樹　/ 　５８ 　　４. ２. ３　推薦系統　/ 　６１ 　　４. ２. ４　回歸分析　/ 　６２ 　４. ３　無監督機器學習算法　/ 　６６ 　　４. ３. １　聚類分析與ｋ 均值算法　/ 　６６ 　　４. ３. ２　關聯規則與購物籃算法　/ 　６９ 　４. ４　對模型過度擬合與欠擬合的評注　/ 　７０ 　４. ５　其他機器學習算法與總結　/ 　７１ 第５ 章　描述性數據分析　/ 　７４ 　５. １　基于數據庫的描述性數據分析　/ 　７６ 　　５. １. １　數據庫基礎　/ 　７７ 　　５. １. ２　數據建模　/ 　８２ 　　５. １. ３　學習ＳＱＬ 語言. 更好地認識數據　/ 　８４ 　　５. １. ４　什么是ＮＯ￣ＳＱＬ　/ 　８６ 　　５. １. ５　結構化數據與非結構化數據　/ 　８８ 　　５. １. ６　數據倉庫與數據集市　/ 　９０ 　　５. １. ７　儀表盤和平衡計分卡: 實用的及時 報告　/ 　９３ 　　５. １. ８　運用ＯＬＡＰ 和數據立方體拓展描述性 數據分析　/ 　９５ 　　５. １. ９　何時打破關系數據庫的規則　/ 　９７ 　　５. １. １０　實時數據與自動預警　/ 　９８ 　５. ２　運用數據可視化做描述性數據分析　/ 　１００ 　５. ３　運用描述性統計做描述性數據分析　/ 　１０７ 　５. ４　運用機器學習做描述性數據分析　/ 　１０９ 第６ 章　預測性數據分析　/ 　１１１ 　６. １　回歸預測　/ 　１１１ 　６. ２　機器學習與集成模型　/ 　１１２ Ⅸ 目　　錄 　６. ３　Ａ/ Ｂ 檢測　/ 　１１４ 　６. ４　模擬　/ 　１１８ 第７ 章　案例分析: .點球成金. 與最優化　/ 　１２３ 第８ 章　規范性數據分析(又稱最優化) 　/ 　１２８ 　８. １　什么是最優化　/ 　１３１ 　８. ２　最優化＝ 目標、約束條件、選擇＋ 數據　/ 　１３１ 　　８. ２. １　目標　/ 　１３２ 　　８. ２. ２　約束條件　/ 　１３６ 　　８. ２. ３　選擇　/ 　１４０ 　　８. ２. ４　數據　/ 　１４１ 　８. ３　ＴＬＣ ＋ Ｄ 應用: 每個人都愛吃比薩　/ 　１４３ 　　８. ３. １　目標　/ 　１４４ 　　８. ３. ２　約束條件　/ 　１４４ 　　８. ３. ３　選擇　/ 　１４４ 　　８. ３. ４　數據　/ 　１４４ 　　８. ３. ５　數學公式　/ 　１４４ 　８. ４　最優化算法的類型　/ 　１４５ 　　８. ４. １　精確算法　/ 　１４６ 　　８. ４. ２　近似算法　/ 　１４７ 　　８. ４. ３　啟發式算法　/ 　１４８ 　　８. ４. ４　假設分析　/ 　１５１ 第３ 部分 結　　論　　　　第９ 章　收益管理　/ 　１５４ 第１０ 章　實施數據分析的終極技巧　/ 　１６１ 　１０. １　它只是弓箭手. 而不是弓箭本身　/ 　１６１ 　１０. ２　總結　/ 　１６２ 非傳統參考書目和擴展閱讀　/ 　１６３ 譯后記　/ 　１６７
序：