|
|
|
|
LEADER |
00000nam a2200000 i 4500 |
001 |
000165512 |
005 |
20240229082500.0 |
007 |
ta |
008 |
050505t20202020xxu g 000 0 spa |
020 |
|
|
|a 9781913597382
|
040 |
|
|
|a MX-MxUAM
|b spa
|e rda
|c MX-MxUAM
|
041 |
0 |
|
|a spa
|
050 |
|
4 |
|a QA76.9 D3.43
|b V3.52
|
090 |
|
|
|a QA76.9 D3.43
|b V3.52
|
100 |
1 |
|
|a Vance, William,
|e autor
|
245 |
1 |
0 |
|a Ciencia de datos :
|b métodos y estrategias avanzados para aprender ciencia de datos para empresas /
|c William Vance.
|
264 |
|
1 |
|a [Estados Unidos] :
|b [Joiningthedotstv Limited],
|c [2020].
|
264 |
|
4 |
|a ©2020.
|
300 |
|
|
|a viii, 170 páginas ;
|c 23 cm.
|
336 |
|
|
|a texto
|b txt
|2 rdacontent
|
337 |
|
|
|a sin medio
|b n
|2 rdamedial
|
338 |
|
|
|a volumen
|b nc
|2 rdacarrier
|
504 |
|
|
|a Incluye referencias bibliográficas: páginas 169-170
|
505 |
1 |
0 |
|t Introducción. --
|g Capítulo uno.
|t Un vistazo al papel del Big Data en el crecimiento empresarial. --
|g Capítulo dos.
|t Revisar los conceptos básico. --
|g Capítulo tres.
|t Ciencia de datos y procedimientos empresariales. --
|g Capítulo cuatro.
|t Análisis descriptivo. --
|g Capítulo cinco
|t Análisis predictivo. --
|g Capítulo seis.
|t Obtener perspectivas de negocio con análisis prescriptivos. --
|g Capítutlo siete. --
|t Capítulo ocho.
|t Visualización de datos con D3.Js. --
|g Capítulo nueve.
|t Explicación de la ciencia de datos Phython. --
|g Capítulo diez.
|t Una guía rápida para aprender R para empresas. --
|g Capítulo once.
|t SQL en ciencia de datos. --
|g Capítulo doce.
|t Ciencia de datos con excel. --
|g Capítulo trece.
|t KNIME para ciencia de datos y análisis avanzado.
|
520 |
1 |
|
|a Descubra métodos y estrategias avanzadas para aprender ciencia de datos para empresas. Cuando el concepto de "ciencia de datos" se incorporó a algún proceso básicodedecisiónempresarial, fue, en algún momento, descuidado. Pero con los recientes avances tecnológicos, este método de análisis ya no puede descuidarse en los diversos procesos de toma de decisiones de un negocio. Sin embargo, muchos propietarios de negocios desconocen la ubicuidad de las oportunidades de datos en los negocios. El libro presenta varios métodos y estrategias que son esenciales para facilitar su ruta de aprendizaje hacia la ciencia de datos y cómo se puede utilizar para las decisiones empresariales y el crecimiento organizacional. En términos simples, proporciona situaciones del mundo real que se pueden utilizar para explicar la omnipresencia de las oportunidades de datos en los negocios. Por lo tanto, como propietario de un negocio, puede aprender a participar inteligentemente en su proyecto de ciencia de datos, incluso sin la ayuda de un científico de datos. También descubrirá métodos y estrategias avanzadas sobre cómo pensar analíticamente mientras utiliza varias estrategias de minería de datos para recopilar datos para su análisis. En este libro, aprenderá a organizar, programar, explorar conjuntos de datos, modelar sus datos y cómo comunicar decisiones empresariales y hallazgos mediante técnicas de visualización de datos. Si bien este libro es una guía completa sobre varios métodos y estrategias para aprender ciencia de datos para empresas, no incluye los conocimientos básicos generales de la ciencia de datos. Por lo tanto, las siguientes son algunas de las cosas que debe esperar: -La omnipresencia de las oportunidades de datos- El proceso general de las decisiones empresariales y cómo la ciencia de datos es útil durante este proceso- Diversos enfoques analíticos para las empresas- Lenguajes.
|
650 |
|
4 |
|a Extracción de datos
|
650 |
|
0 |
|a Data mining
|
650 |
|
0 |
|a Big data
|
650 |
|
4 |
|a Grandes volúmenes de datos
|
650 |
|
4 |
|a Lenguajes de programación (Computadoras electrónicas)
|
650 |
|
0 |
|a Programming languages (Electronic computers)
|
905 |
|
|
|a LIBROS
|
938 |
|
|
|c CSH
|
949 |
|
|
|a Biblioteca UAM Iztapalapa
|b Colección General
|c QA76.9 D3.43 V3.52
|