Mistrz analizy danych. Od danych do wiedzy. Wydanie II - Helion

ebook

Autor: Jordan Goldmeier
Tytuł oryginału: Data Smart: Using Data Science to Transform Information into Insight, 2nd Edition
Tłumaczenie: Anna Mizerska, Konrad Matuk
ISBN: 978-83-289-1181-9
stron: 440, Format: ebook
Księgarnia: Helion

Cena książki: 99,00 zł

Książka będzie dostępna od października 2024

Pobierz fragment książki » Zobacz także »

Tagi: Analiza danych

Mimo zainteresowania danymi i ich analiz

Zobacz także:

Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zł, (69,65 zł -65%)
NLP. Kurs video. Analiza danych tekstowych w j 144,86 zł, (52,15 zł -64%)
Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych 149,00 zł, (67,05 zł -55%)
Excel 2013. Kurs video. Poziom drugi. Przetwarzanie i analiza danych 79,00 zł, (35,55 zł -55%)
Google Analytics od podstaw. Analiza wp 69,00 zł, (34,50 zł -50%)

Spis treści

Mistrz analizy danych. Od danych do wiedzy. Wydanie II eBook -- spis treści

Wstęp

1. Wszystko, co chciałeś wiedzieć o arkuszu kalkulacyjnym, ale bałeś się o to zapytać

Przykładowe proste dane
Szybkie statystyki opisowe
Tabele Excela
- Filtrowanie i sortowanie
- Formatowanie tabeli
- Odwołania strukturalne
- Dodawanie kolumn do tabeli
Formuły przeznaczone do wyszukiwania
- WYSZUKAJ.POZIOMO
- INDEKS/PODAJ.POZYCJĘ
- X.WYSZUKAJ
Tabele przestawne
Korzystanie z formuł tablicowych
Rozwiązywanie problemów za pomocą narzędzia Solver

2. Ustaw i zapomnij! Wprowadzenie do Power Query

Czym jest Power Query?
Przykładowe dane
Rozpoczęcie pracy z Power Query
Filtrowanie wierszy
Usuwanie kolumn
Znajdź i zastąp
Zamknij i załaduj. do tabeli

3. Naiwny klasyfikator bayesowski i niezwykła lekkość bycia idiotą

Najszybsze na świecie wprowadzenie do rachunku prawdopodobieństwa
- Obliczanie prawdopodobieństwa warunkowego
- Prawdopodobieństwo części wspólnej, reguła łańcuchowa i niezależność
- A co, jeżeli sytuacje są zależne od siebie?
- Twierdzenie Bayesa
Oddzielanie sygnału od szumu
Tworzenie modelu sztucznej inteligencji za pomocą twierdzenia Bayesa
- Zwykle zakłada się, że wysokopoziomowe prawdopodobieństwa klas są sobie równe
- Kilka innych drobnostek
Czas rozpocząć zabawę z Excelem
- Porządkowanie danych za pomocą Power Query
- Dzielenie na znakach spacji: każde słowo musi dostać to, co mu się należy
- Zliczanie leksemów i obliczanie prawdopodobieństw
- Zbudowaliśmy model. Skorzystajmy z niego!

4. Analiza skupień. Część I - zastosowanie algorytmu centroidów do segmentowania bazy klientów

Zabawy taneczne na obozie letnim
Prawdziwy problem: implementacja algorytmu centroidów w e-mail marketingu
- Początkowy zbiór danych
- Określanie tego, co chcemy mierzyć
- Zacznij od czterech grup
- Odległość euklidesowa - pomiar odległości w linii prostej
- Określanie położenia środków klastrów
- Analiza uzyskanych wyników
- Ustalanie najlepszej oferty dla danego klastra
- Sylwetka podziału - dobry sposób na określenie optymalnej liczby klastrów
- A może potrzebujesz pięciu klastrów?
- Dzielenie klientów na pięć klastrów za pomocą narzędzia Solver
- Ustalanie najlepszych ofert dla wszystkich pięciu klastrów
- Określanie sylwetki podziału na pięć klastrów
Podział na grupy za pomocą algorytmu K-medioidów i asymetryczny pomiar odległości
- Podział na grupy za pomocą metody K-medioidów
- Stosowanie lepszego sposobu pomiaru odległości
- Implementacja za pomocą Excela
- Najlepsze oferty przy podziale na pięć klastrów za pomocą median

5. Analiza skupień. Część II - grafy i analiza sieci

Czym jest graf sieci?
Wizualizacja prostego grafu
- Wyjście poza dodatek GiGraph i listy sąsiedztwa
Tworzenie grafu na podstawie danych sprzedaży wina
- Tworzenie macierzy podobieństwa kosinusowego
- Generowanie grafu r-sąsiedztwa
Wprowadzenie do Gephi
- Tworzenie statycznej macierzy sąsiedztwa
- Macierz r-sąsiedztwa w Gephi
- Stopień rozgałęzienia
- Edycja danych grafu
Jaka jest wartość krawędzi? Nagradzanie i karanie krawędzi - modularność grafu
- Czym jest punkt, a czym kara?
- Tworzenie arkusza punktacji
Czas dokonać podziału na grupy
- Podział 1.
- Podział 2. - kontratak
- Podział 3. - zemsta
- Grupy - kodowanie i analiza
Tam i z powrotem - czas na Gephi

6. Regresja jako przodek nadzorowanego uczenia maszynowego i sztucznej inteligencji

Przewidywanie ciąży klientów na podstawie regresji liniowej
- Zbiór cech
- Tworzenie treningowego zbioru danych
- Tworzenie zmiennych fikcyjnych
- Pobawmy się regresją liniową
- Parametry regresji liniowej: współczynnik determinacji, test F i test t
- Przewidywanie ciąży na nowym zbiorze danych i sprawdzanie jakości modelu
Przewidywanie ciąży klientów za pomocą regresji logistycznej
- Najpierw musisz określić funkcję wiążącą
- Tworzenie funkcji logistycznej i ponowna optymalizacja
- Praca nad prawdziwą regresją logistyczną

7. Modele zespołowe - dużo nie najlepszej pizzy

Korzystanie z danych z rozdziału 6.
Agregacja - losuj, trenuj, powtórz
- Pieniek decyzyjny to kolejne określenie słabego klasyfikatora
- To wcale nie wydaje się takie słabe!
- Więcej mocy!
- Czas rozpocząć proces trenowania
- Ocena działania modelu zespolonego
Wzmacnianie - jeżeli uzyskałeś niesatysfakcjonujące wyniki, to wzmocnij swój model i uruchom go jeszcze raz
- Trenowanie modelu - każda cecha ma swoje pięć minut
- Wydajność modelu wzmacnianych reguł decyzyjnych

8. Prognozowanie - oddychaj spokojnie, i tak nie wygrasz

Hossa na rynku sprzedaży mieczy
Szeregi czasowe
Zacznij od prostego wygładzania wykładniczego
- Przygotowanie arkusza prognozy prostego wygładzania wykładniczego
Być może dane zawierają trend
Podwójne wygładzanie wykładnicze (metoda Holta)
- Metoda Holta w arkuszu kalkulacyjnym
- To wszystko? Analiza autokorelacji
Wielokrotne wygładzanie wykładnicze - model Holta-Wintersa
- Określanie początkowych wartości poziomu, trendu i sezonowości
- Tworzenie prognozy
- Czas na optymalizację
- Interwały prognozy
- Tworzenie wykresu warstwowego wachlarza wartości
Arkusze prognozy w Excelu

9. Modelowanie optymalizacyjne - świeżo wyciśnięty sok nie zamiesza się sam

Ale czy to w ogóle jest analiza danych?
Zacznijmy od prostego kompromisu
- Przedstawienie problemu w formie wielokomórki
- Rozwiązywanie problemu poprzez przesuwanie poziomicy
- Metoda simpleks - kręcenie się wokół rogów
- Praca w Excelu
Szklanka świeżego soku pomarańczowego prosto z drzewa. z przystankiem na modelowanie
- Zacznijmy od specyfikacji soków
- Stałość produktu wyjściowego
- Wprowadzanie danych do Excela
- Określanie problemu w dodatku Solver
- Obniżanie standardów
- Usuwanie cuchnącego problemu - minimalizacja maksymalnych odchyleń
- Warunki i ograniczenie "wielkiego M"
- Mnożenie zmiennych - skorzystajmy ze 110% mocy Excela
Modelowanie ryzyka
- Dane pochodzące z rozkładu normalnego

10. Wykrywanie obserwacji odstających

Element odstający to też człowiek
Fascynująca sprawa Hadlumów
- Metoda Tukeya
- Implementacja metody Tukeya w arkuszu kalkulacyjnym
- Ograniczenia tej prostej techniki
Nie tragiczny, ale słaby we wszystkim
- Przygotowywanie danych do utworzenia wykresu
- Tworzenie grafu
- Określanie k najbliższych sąsiadów
- Pierwsza metoda wykrywania elementów odstających grafu - skorzystaj ze stopnia wchodzącego
- Druga metoda wykrywania elementów odstających grafu - zgłębianie niuansów za pomocą k-odległości
- Trzecia metoda wykrywania elementów odstających grafu - lokalny miernik stopnia oddalenia obserwacji

11. Przejście z arkusza kalkulacyjnego do języka R

Przygotowanie środowiska i początek pracy w języku R
- Szybkie szkolenie z pisania skryptów w języku R
- Działania matematyczne na wektorach i faktory
- Najlepszy typ danych - dataframe
- Pomoc dla języka R
- Wyjście poza podstawowe możliwości R
Prawdziwa analiza danych
- Wczytywanie danych do R
- Sferyczny algorytm k-średnich wywołany za pomocą zaledwie kilku linii kodu
- Budowanie modeli sztucznej inteligencji na podstawie danych zakupów (wykrywanie ciąży)
- Prognozowanie w R
- Wykrywanie elementów odstających

12. Wnioski

Gdzie ja jestem? Co się stało?
Zanim odłożysz tę książkę
- Poznaj problem
- Potrzebujemy więcej tłumaczy
- Uważaj na trójgłowe monstrum: narzędzia, wydajność i perfekcjonizm
- Nie jesteś najważniejszą osobą w firmie
Bądź kreatywny