Fr. 57.50

Data Mining: Vergleichende Untersuchung prädiktiver Techniken - im Wirtschaftsbereich

German · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more

Heutzutage werden sich viele Unternehmen des Reichtums, der in ihren Daten steckt, bewusst und fragen sich, ob sich die Implementierung von Techniken lohnt. Unternehmen haben Zugang zu immer mehr Daten. Aufgrund der großen Menge an verfügbaren Informationen kann es sehr schwierig sein, riesige Mengen an strukturierten und unstrukturierten Daten zu erfassen, um Verbesserungsprojekte für das gesamte Unternehmen umzusetzen.Dieses Buch konzentriert sich auf 2 Datamining-Techniken (überwachte und nicht überwachte) wie: Entscheidungsbäume, Regression, neuronale Netze und Support Vector Machines (SVM)...es wird sich auf die Anwendungsumgebung jeder Technik konzentriert, die Vorteile,Nachteile und Konsequenzen der Wahl eines dieser technischen Elemente, um verborgene prädiktive Informationen aus großen Datenbanken zu extrahieren, und die Art und Weise, wie jede Technik implementiert wird.Schließlich stellte das Dokument einige wertvolle Elemente Empfehlungen im Bereich Dataminig vor.

About the author










Lehrer Khalid BALARQualifizierter HochschullehrerSpezialität: Business Intelligence und statistische ModellierungKoordinator der Berufslizenz für E-Business und digitales Management.Fakultät für Rechts-, Wirtschafts- und SozialwissenschaftenUniversität Hassan II ¿ Casablanca.

Product details

Authors Khalid Balar
Publisher Verlag Unser Wissen
 
Languages German
Product format Paperback / Softback
Released 15.11.2023
 
EAN 9786206675679
ISBN 9786206675679
No. of pages 56
Subject Social sciences, law, business > Business > General, dictionaries

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.