返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 全新正版数据分析师养成宝典9787111595106机械工业
    • 作者: 编者:程显毅//曲平//李牧著 | 编者:程显毅//曲平//李牧编 | 编者:程显毅//曲平//李牧译 | 编者:程显毅//曲平//李牧绘
    • 出版社: 机械工业出版社
    • 出版时间:2018-04-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    如梦图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 编者:程显毅//曲平//李牧著| 编者:程显毅//曲平//李牧编| 编者:程显毅//曲平//李牧译| 编者:程显毅//曲平//李牧绘
    • 出版社:机械工业出版社
    • 出版时间:2018-04-01
    • 版次:1
    • 印次:1
    • 印刷时间:2018-04-01
    • ISBN:9787111595106
    • 版权提供:机械工业出版社
    • 作者:编者:程显毅//曲平//李牧
    • 著:编者:程显毅//曲平//李牧
    • 装帧:暂无
    • 印次:1
    • 定价:69.00
    • ISBN:9787111595106
    • 出版社:机械工业
    • 开本:暂无
    • 印刷时间:2018-04-01
    • 语种:暂无
    • 出版时间:2018-04-01
    • 页数:暂无
    • 外部编号:30158793
    • 版次:1
    • 成品尺寸:暂无

    如何使用本书
    第0章 说在前面的话
    0.1 大数据分析案例
    0.2 数据分析
    0.2.1 数据分析不同于信息化系统
    0.2.2 数据分析不同于统计分析
    0.. 数据分析不同于数据挖掘
    0.2.4 数据分析不同于数据管理
    0.2.5 数据分析不同于商业智能
    0.2.6 数据分析的内容
    0.3 数据分析师
    0.3.1 什么是数据分析师
    0.3.2 基本要求
    0.4 数据分析过程
    0.4.1 业务理解
    0.4.2 指标设计
    0.4.3 数据建模
    0.4.4 分析报告
    业务理解篇
    章 正确的思维观
    1.1 数据思维
    1.2 统计思维
    1.2.1 统计学
    1.2.2 描述
    1.. 概括
    1.2.4 分析
    1.3 逻辑思维
    1.3.1 上取/下钻思维
    1.3.2 求同/求异思维
    1.3.3 抽离/联合思维
    1.3.4 离开/接近思维
    1.3.5 层次思维
    第2章 理解数据
    2.1 数据是什么
    2.2 数据所依存的背景
    . 数据维度
    2.4 数据
    2.5 数据质量
    2.6 理解数据要注意的问题
    2.6.1 不要对完美数据的盲目执着
    2.6.2 小样本数据也能做数据分析
    第3章 理解业务
    3.1 全局了解——业务模型
    3.2 动态了解——流程模型
    3.3 静态了解——数据模型
    3.4 动静结合——关键业务分析
    3.5 数据业务化
    第4章 理解用户
    4.1 由粗到细,从宏观到微观
    4.2 由少到多,收集不同层次的需求
    4.3 数据分析师对理解用户需求的思考
    4.3.1 如何用需求分析明确产品目标?
    4.3.2 数据分析师理解用户需求应该具备的基本素养
    4.3.3 如何根据用户行为去驱动产品?
    指标设计篇
    第5章 数据准备
    5.1 数据探索
    5.1.1 缺失值分析与处理
    5.1.2 异常值分析与处理
    5.1.3 不一致数据分析
    5.2 数据整理
    5.2.1 规范化
    5.2.2 数据选择
    5.. 数据归约
    5.2.4 数据变换
    5.3 数据集成
    5.3.1 通过向量化重构数据
    5.3.2 为数据添加新变量
    5.3.3 数据透视表
    5.3.4 列联表
    5.3.5 数据整合
    5.3.6 分组计算
    第6章 数据指标
    6.1 指标和维度
    6.2 特征工程
    6.2.1 特征工程作用
    6.2.2 特征设计
    6.. 特征选择
    6.2.4 特征提取
    6.3 指标设计基本方法
    6.3.1 生成用于判别的变量
    6.3.2 生成离散变量
    6.3.3 业务标签化
    6.4 典型业务指标设计
    6.4.1 店铺数据分析指标
    6.4.2 电商数据分析指标
    第7章 数据认知
    7.1 认知数据的平均水平和波动情况
    7.2 认知数据的分布
    7.3 利用相关系数理解数据之间的关系
    7.4 通过对比认知数据
    7.5 通过多维交叉来深入认知数据
    7.6 周期分析
    7.7 贡献度分析
    7.8 因子分析
    数据建模篇
    第8章 神经网络
    8.1 模型原理
    8.2 进阶指导
    第9章 回归分析
    9.1 模型原理
    9.2 进阶指导
    0章 聚类分析
    10.1 模型原理
    10.2 进阶指导
    1章 关联分析
    11.1 模型原理
    11.2 进阶指导
    2章 决策树
    12.1 模型原理
    12.2 进阶指导
    3章 随机森林决策树
    13.1 模型原理
    13.2 进阶指导
    4章 自适应选择决策树
    14.1 模型原理
    14.2 进阶指导
    5章 SVM
    15.1 模型原理
    15.2 进阶指导
    6章 建模指导
    16.1 建模要注意的问题
    16.2 R语言中建模常用包
    16.3 数据分析模型的原理和应用场景
    价值展现篇
    7章 如何写好数据分析报告
    17.1 数据的价值
    17.1.1 收入
    17.1.2 支出
    17.1.3 风险
    17.1.4 参照系
    17.2 讲故事
    17.2.1 数据讲故事的四大要点
    17.2.2 阿里指数能告诉你……
    17.3 如何写报告
    17.3.1 写作原则
    17.3.2 报告的类型和分析能力
    17.3.3 报告的细节
    17.4 报告的结构
    17.4.1 标题
    17.4.2 背景与目标
    17.4.3 项目说明
    17.4.4 分析思路
    17.4.5 分析主体
    17.4.6 总结与建议
    17.5 文字表达
    17.5.1 突出关键信息
    17.5.2 避免啰嗦的表达
    17.5.3 站在读者角度
    17.5.4 不带主观臆断
    17.6 分析过程
    17.6.1 样本选择
    17.6.2 方法实施
    17.7 注意事项
    8章 数据可视化
    18.1 什么是数据可视化
    18.2 数据可视化的作用
    18.3 可视化建议
    18.4 科学与艺术的结合
    18.5 可视化细节
    18.6 R语言绘图
    18.6.1 低水平绘图命令
    18.6.2 高水平绘图命令
    18.6.3 交互式绘图命令
    18.7 图形适用场景
    9章 数据分析报告制作工具
    19.1 knitr包
    19.1.1 安装knitr
    19.1.2 Markdown语法
    19.1.3 报告制作
    19.2 rmarkdown包
    19.2.1 创建R Markdown
    19.2.2 R Markdown文本处理
    19.. 插入代码块
    19.2.4 结果的输出
    实战进阶篇
    第20章 校园网中者的价值分析
    20.1 业务理解
    20.2 指标设计
    20.3 描述分析
    20.4

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购