Introduzione al data mining e all'analisi

Recensioni dei lettori

Il libro serve come panoramica dei vari strumenti di analisi dei dati, ma manca di profondità e chiarezza. Può essere adatto ai principianti, ma è insufficiente per chi vuole acquisire una comprensione completa o competenze pratiche.

Può essere adatto a chi non si occupa di dati e cerca un'idea generale degli strumenti; copre una serie di argomenti.

⬤ Mediocre dettaglio nei capitoli
⬤ scarsa formattazione
⬤ trattamento superficiale di R e Python
⬤ mancanza di contenuti importanti come la copertura di R Studio
⬤ esempi discutibili che non rispettano le convenzioni abituali.

(basato su 1 recensioni dei lettori)

Titolo originale:

Introduction to Data Mining and Analytics

Contenuto del libro:

Data Mining and Analytics offre una panoramica ampia e interattiva di un campo in rapida crescita. L'aumento esponenziale della velocità di generazione dei dati crea una corrispondente necessità di professionisti in grado di gestirne efficacemente l'archiviazione, l'analisi e la traduzione. Con una duplice attenzione ai concetti e alle operazioni, questo testo comprende una guida completa ed è un'ottima risorsa per chiunque stia considerando questo campo.

Non è necessaria alcuna esperienza di programmazione per sfruttare al meglio questa risorsa. Casi di studio e attività pratiche incorporano set di dati reali e consentono agli studenti di esercitare le loro nuove competenze. Il nostro Cloud Desktop integra i più diffusi strumenti di data mining, dando agli studenti una preziosa familiarità con le applicazioni standard del settore.

Dopo aver definito i concetti di data mining e machine learning, Data Mining and Analytics approfondisce i tipi di database, la loro importanza e popolarità e le tendenze che ne influenzano l'uso. Viene esplorata l'importanza della visualizzazione dei dati a fini comunicativi, così come i processi di pulizia dei dati, clustering e classificazione. I programmi Excel, SQL, NoSQL, Python e R sono trattati in modo approfondito e integrati da esercizi pratici. Le operazioni trattate nei capitoli precedenti vengono contestualizzate nel mondo reale attraverso un'applicazione pratica ai problemi attuali dei "big data" e del data mining di testi e immagini. Il testo si conclude descrivendo le fasi di un analista dalla pianificazione all'esecuzione, assicurando che i lettori acquisiscano il know-how tecnico necessario per lanciare, guidare o supportare un progetto sui dati sul posto di lavoro.