Scienza dei dati: Concetti e pratica

Recensioni dei lettori

Il libro fornisce un'introduzione chiara e concisa all'analisi predittiva e alla scienza dei dati utilizzando RapidMiner. Mentre le spiegazioni e i metodi di insegnamento sono apprezzati, ci sono critiche significative riguardo alla qualità del materiale stampato, in particolare la mancanza di colore nelle illustrazioni.

⬤ Ottime spiegazioni ed esempi
⬤ complessivamente ben scritto
⬤ eccellente insegnamento dei fondamenti della scienza dei dati
⬤ chiaro e conciso
⬤ copre gli aspetti essenziali dell'uso di RapidMiner
⬤ adatto ai principianti e alle prospettive aziendali.

⬤ Stampato in bianco e nero, manca il colore nelle illustrazioni importanti
⬤ percepito come stampato per la redditività piuttosto che per la qualità
⬤ alcuni diagrammi sono resi male e ciò sminuisce il contenuto.

(basato su 7 recensioni dei lettori)

Titolo originale:

Data Science: Concepts and Practice

Contenuto del libro:

Imparate le basi della scienza dei dati attraverso un quadro concettuale di facile comprensione e fate immediatamente pratica utilizzando la piattaforma RapidMiner. Che siate alle prime armi con la scienza dei dati o che stiate lavorando al vostro decimo progetto, questo libro vi mostrerà come analizzare i dati, scoprire schemi e relazioni nascoste per aiutare decisioni e previsioni importanti.

La scienza dei dati è diventata uno strumento essenziale per estrarre valore dai dati per qualsiasi organizzazione che raccoglie, archivia ed elabora dati nell'ambito delle proprie attività. Questo libro è ideale per utenti aziendali, analisti di dati, analisti aziendali, ingegneri e professionisti dell'analisi e per chiunque lavori con i dati.

Sarete in grado di:

⬤ Acquisire le conoscenze necessarie delle diverse tecniche di scienza dei dati per estrarre valore dai dati.

⬤ Padroneggiare i concetti e il funzionamento interno di 30 potenti algoritmi di data science comunemente utilizzati.

⬤ Implementare un processo di scienza dei dati passo dopo passo utilizzando RapidMiner, una piattaforma open source di scienza dei dati basata su GUI.

Tecniche di Data Science trattate: Analisi esplorativa dei dati, visualizzazione, alberi decisionali, induzione di regole, k-nearest neighbors, classificatori bayesiani, reti neurali artificiali, deep learning, macchine vettoriali di supporto, modelli ensemble, foreste casuali, regressione, motori di raccomandazione, analisi delle associazioni, clustering basato su K-Means e densità, mappe auto-organizzative, text mining, previsione delle serie temporali, rilevamento delle anomalie, selezione delle caratteristiche e molto altro...