Data Science and Machine Learning for Non-Programmers
Using SAS Enterprise Miner
Sorozatcím: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series;
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 44.99
-
21 493 Ft (20 470 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 2 149 Ft off)
- Kedvezményes ár 19 344 Ft (18 423 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
21 493 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó Chapman and Hall
- Megjelenés dátuma 2026. január 1.
- ISBN 9780367751968
- Kötéstípus Puhakötés
- Terjedelem589 oldal
- Méret 254x178 mm
- Nyelv angol
- Illusztrációk 419 Illustrations, color; 419 Line drawings, color; 143 Tables, black & white 700
Kategóriák
Rövid leírás:
As data continues to grow exponentially, knowledge of data science and machine learning has become more crucial than ever. Machine learning has grown exponentially, however, the abundance of resources can be overwhelming
TöbbHosszú leírás:
As data continues to grow exponentially, knowledge of data science and machine learning has become more crucial than ever. Machine learning has grown exponentially; however, the abundance of resources can be overwhelming, making it challenging for new learners. This book aims to address this disparity and cater to learners from various non-technical fields, enabling them to utilize machine learning effectively.
Adopting a hands-on approach, readers are guided through practical implementations using real datasets and SAS Enterprise Miner, a user-friendly data mining software that requires no programming. Throughout the chapters, two large datasets are used consistently, allowing readers to practice all stages of the data mining process within a cohesive project framework. This book also provides specific guidelines and examples on presenting data mining results and reports, enhancing effective communication with stakeholders.
Designed as a guiding companion for both beginners and experienced practitioners, this book targets a wide audience, including students, lecturers, researchers, and industry professionals from various backgrounds.
TöbbTartalomjegyzék:
Part I: Introduction to Data Mining. 1. Introduction to Data Mining and Data Science. 2. Data Mining Processes, Methods, and Software. 3. Data Sampling and Partitioning. 4. Data Visualization and Exploration. 5. Data Modification. Part II: Data Mining Methods. 6. Model Evaluation. 7. Regression Methods. 8. Decision Trees. 9. Neural Networks. 10. Ensemble Modeling. 11. Presenting Results and Writing Data Mining Reports. 12. Principal Component Analysis. 13. Cluster Analysis. Part III: Advanced Data Mining Methods. 14. Random Forest. 15. Gradient Boosting. 16. Bayesian Networks.
Több
