| Título : |
Descriptive Data Mining |
| Tipo de documento: |
documento electrónico |
| Autores: |
Olson, David L., Autor ; Lauhoff, Georg, Autor |
| Mención de edición: |
2 ed. |
| Editorial: |
Singapore [Malasya] : Springer |
| Fecha de publicación: |
2019 |
| Número de páginas: |
XI, 130 p. 89 ilustraciones, 78 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-981-1371813-- |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Investigación cuantitativa Procesamiento de datos Gestion de riesgos financieros Análisis de datos y Big Data Minería de datos y descubrimiento de conocimientos Gestión de riesgos |
| Índice Dewey: |
1.422 |
| Resumen: |
Este libro proporciona una descripción general de los métodos de minería de datos demostrados por el software. La gestión del conocimiento implica la aplicación del conocimiento humano (epistemología) con los avances tecnológicos de nuestra sociedad actual (sistemas informáticos) y el big data, tanto en términos de recopilación de datos como de análisis de los mismos. Vemos tres tipos de herramientas analíticas. El análisis descriptivo se centra en informes de lo sucedido. El análisis predictivo amplía la inteligencia estadística y/o artificial para proporcionar capacidad de previsión. También incluye modelos de clasificación. El análisis de diagnóstico puede aplicar el análisis a la entrada del sensor para dirigir los sistemas de control automáticamente. El análisis prescriptivo aplica modelos cuantitativos para optimizar sistemas, o al menos para identificar sistemas mejorados. La minería de datos incluye modelos descriptivos y predictivos. La investigación de operaciones incluye los tres. Este libro se centra en el análisis descriptivo. El libro busca proporcionar explicaciones simples y demostración de algunas herramientas descriptivas. Esta segunda edición proporciona más ejemplos del impacto de big data, actualiza el contenido sobre visualización, aclara algunos puntos y amplía la cobertura de las reglas de asociación y el análisis de conglomerados. El Capítulo 1 ofrece una visión general en el contexto de la gestión del conocimiento. El Capítulo 2 analiza algunos soportes de software básicos para la visualización de datos. El Capítulo 3 cubre los fundamentos del análisis de la canasta de mercado y el Capítulo 4 proporciona una demostración del modelado RFM, una herramienta básica de extracción de datos de marketing. El capítulo 5 demuestra la minería de reglas de asociación. El Capítulo 6 es una cobertura más profunda del análisis de conglomerados. El capítulo 7 analiza el análisis de enlaces. Los modelos se demuestran utilizando datos relacionados con el negocio. El estilo del libro pretende ser descriptivo, buscando explicar cómo funcionan los métodos, con algunas citas, pero sin referencias académicas profundas. Todos los conjuntos de datos y el software se seleccionan para una amplia disponibilidad y acceso por parte de cualquier lector con enlaces informáticos. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Descriptive Data Mining [documento electrónico] / Olson, David L., Autor ; Lauhoff, Georg, Autor . - 2 ed. . - Singapore [Malasya] : Springer, 2019 . - XI, 130 p. 89 ilustraciones, 78 ilustraciones en color. ISBN : 978-981-1371813-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Investigación cuantitativa Procesamiento de datos Gestion de riesgos financieros Análisis de datos y Big Data Minería de datos y descubrimiento de conocimientos Gestión de riesgos |
| Índice Dewey: |
1.422 |
| Resumen: |
Este libro proporciona una descripción general de los métodos de minería de datos demostrados por el software. La gestión del conocimiento implica la aplicación del conocimiento humano (epistemología) con los avances tecnológicos de nuestra sociedad actual (sistemas informáticos) y el big data, tanto en términos de recopilación de datos como de análisis de los mismos. Vemos tres tipos de herramientas analíticas. El análisis descriptivo se centra en informes de lo sucedido. El análisis predictivo amplía la inteligencia estadística y/o artificial para proporcionar capacidad de previsión. También incluye modelos de clasificación. El análisis de diagnóstico puede aplicar el análisis a la entrada del sensor para dirigir los sistemas de control automáticamente. El análisis prescriptivo aplica modelos cuantitativos para optimizar sistemas, o al menos para identificar sistemas mejorados. La minería de datos incluye modelos descriptivos y predictivos. La investigación de operaciones incluye los tres. Este libro se centra en el análisis descriptivo. El libro busca proporcionar explicaciones simples y demostración de algunas herramientas descriptivas. Esta segunda edición proporciona más ejemplos del impacto de big data, actualiza el contenido sobre visualización, aclara algunos puntos y amplía la cobertura de las reglas de asociación y el análisis de conglomerados. El Capítulo 1 ofrece una visión general en el contexto de la gestión del conocimiento. El Capítulo 2 analiza algunos soportes de software básicos para la visualización de datos. El Capítulo 3 cubre los fundamentos del análisis de la canasta de mercado y el Capítulo 4 proporciona una demostración del modelado RFM, una herramienta básica de extracción de datos de marketing. El capítulo 5 demuestra la minería de reglas de asociación. El Capítulo 6 es una cobertura más profunda del análisis de conglomerados. El capítulo 7 analiza el análisis de enlaces. Los modelos se demuestran utilizando datos relacionados con el negocio. El estilo del libro pretende ser descriptivo, buscando explicar cómo funcionan los métodos, con algunas citas, pero sin referencias académicas profundas. Todos los conjuntos de datos y el software se seleccionan para una amplia disponibilidad y acceso por parte de cualquier lector con enlaces informáticos. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Descriptive Data Mining
