دانلود کتاب Applied data mining: statistical methods for business and industry

ترجمه فارسی توضیحات (ترجمه ماشینی)

داده کاوی کاربردی: روش های آماری برای تجارت و صنعت

داده کاوی را می توان به عنوان فرآیند انتخاب، کاوش و مدل سازی پایگاه های داده بزرگ به منظور کشف مدل ها و الگوها تعریف کرد. دسترسی روزافزون به داده ها در جامعه اطلاعاتی کنونی نیاز به ابزارهای معتبر برای مدل سازی و تحلیل آن را به دنبال داشته است. داده کاوی و روش های آماری کاربردی ابزار مناسبی برای استخراج چنین دانشی از داده ها هستند. کاربردها در بسیاری از زمینه‌های مختلف از جمله آمار، علوم کامپیوتر، یادگیری ماشین، اقتصاد، بازاریابی و امور مالی رخ می‌دهند. این کتاب اولین کتابی است که روش‌های داده کاوی کاربردی را در یک چارچوب آماری ثابت توصیف می‌کند و سپس نشان می‌دهد که چگونه می‌توان آنها را در عمل به کار برد. تمام روش های توصیف شده یا محاسباتی هستند یا ماهیت مدل سازی آماری دارند. از مدل‌های احتمالی پیچیده و ابزارهای ریاضی استفاده نمی‌شود، بنابراین این کتاب برای مخاطبان وسیعی از دانشجویان و متخصصان صنعت قابل دسترسی است. نیمه دوم کتاب شامل 9 مطالعه موردی است که از کار خود نویسنده در صنعت گرفته شده است، که نشان می دهد چگونه روش های توصیف شده را می توان برای مشکلات واقعی به کار برد. * مقدمه ای محکم برای روش های داده کاوی کاربردی در یک چارچوب آماری ثابت ارائه می دهد * شامل پوشش روش های آماری کلاسیک، چند متغیره و بیزی است * شامل بسیاری از پیشرفت های اخیر مانند وب کاوی، تحلیل متوالی بیزی و استدلال مبتنی بر حافظه * هر روش آماری توصیف شده نشان داده شده است. با برنامه های کاربردی واقعی * دارای تعدادی مطالعه موردی دقیق بر اساس پروژه های کاربردی در صنعت * شامل بحث در مورد نرم افزار مورد استفاده در داده کاوی، با تاکید ویژه بر SAS * پشتیبانی شده توسط یک وب سایت دارای مجموعه داده ها، نرم افزار و مطالب اضافی * شامل یک مجموعه گسترده کتابشناسی و نکاتی برای مطالعه بیشتر در متن * نویسنده تجربه چندین ساله تدریس آمار مقدماتی و چند متغیره و داده کاوی و کار بر روی پروژه های کاربردی در صنعت منبع ارزشمندی برای دانشجویان پیشرفته در مقطع کارشناسی و کارشناسی ارشد آمار کاربردی، داده کاوی، کام علم و اقتصاد، و همچنین برای متخصصانی که در صنعت روی پروژه‌هایی که حجم زیادی از داده‌ها را شامل می‌شوند – مانند بازاریابی یا مدیریت ریسک مالی کار می‌کنند.

Applied data mining: statistical methods for business and industry

Data mining can be defined as the process of selection, exploration and modelling of large databases, in order to discover models and patterns. The increasing availability of data in the current information society has led to the need for valid tools for its modelling and analysis. Data mining and applied statistical methods are the appropriate tools to extract such knowledge from data. Applications occur in many different fields, including statistics, computer science, machine learning, economics, marketing and finance.This book is the first to describe applied data mining methods in a consistent statistical framework, and then show how they can be applied in practice. All the methods described are either computational, or of a statistical modelling nature. Complex probabilistic models and mathematical tools are not used, so the book is accessible to a wide audience of students and industry professionals. The second half of the book consists of nine case studies, taken from the author’s own work in industry, that demonstrate how the methods described can be applied to real problems. * Provides a solid introduction to applied data mining methods in a consistent statistical framework * Includes coverage of classical, multivariate and Bayesian statistical methodology * Includes many recent developments such as web mining, sequential Bayesian analysis and memory based reasoning * Each statistical method described is illustrated with real life applications * Features a number of detailed case studies based on applied projects within industry * Incorporates discussion on software used in data mining, with particular emphasis on SAS * Supported by a website featuring data sets, software and additional material * Includes an extensive bibliography and pointers to further reading within the text * Author has many years experience teaching introductory and multivariate statistics and data mining, and working on applied projects within industry A valuable resource for advanced undergraduate and graduate students of applied statistics, data mining, computer science and economics, as well as for professionals working in industry on projects involving large volumes of data – such as in marketing or financial risk management.