Машинное обучение для бизнеса и маркетинга
Наука о данных становится неотъемлемой частью любой маркетинговой деятельности, и эта книга является живым портретом цифровых преобразований в маркетинге. Анализ данных и интеллектуальные алгоритмы позволяют автоматизировать трудоемкие маркетинговые задачи. Процесс принятия решений становится не только более совершенным, но и более быстрым, что имеет большое значение в постоянно ускоряющейся конкурентной среде.
"Эта книга — живой портрет цифровых преобразований в маркетинге. Она показывает, как наука о данных становится неотъемлемой частью любой маркетинговой деятельности. Подробно описывается, как подходы на основе анализа данных и интеллектуальных алгоритмов способствуют глубокой автоматизации традиционно трудоемких маркетинговых задач. Процесс принятия решений становится не только более совершенным, но и более быстрым, что важно в нашей постоянно ускоряющейся конкурентной среде. Эту книгу обязательно должны прочитать и специалисты по обработке данных, и специалисты по маркетингу, а лучше, если они будут читать ее вместе."
Андрей Себрант, директор по стратегическому маркетингу, Яндекс
"Эта книга — живой портрет цифровых преобразований в маркетинге. Она показывает, как наука о данных становится неотъемлемой частью любой маркетинговой деятельности. Подробно описывается, как подходы на основе анализа данных и интеллектуальных алгоритмов способствуют глубокой автоматизации традиционно трудоемких маркетинговых задач. Процесс принятия решений становится не только более совершенным, но и более быстрым, что важно в нашей постоянно ускоряющейся конкурентной среде. Эту книгу обязательно должны прочитать и специалисты по обработке данных, и специалисты по маркетингу, а лучше, если они будут читать ее вместе."
Андрей Себрант, директор по стратегическому маркетингу, Яндекс
Пікірлер4
🎯Пайдалы
Есть устаревшая информация но в целом для общего развития норм
💡Танымдық
Неплохо написано, не для начинающих, а скорее для продолжающих. База по данному направлению уже должна присутствовать. Сколько мог наблюдать книга является пособием по общим техникам сбора данных и лучшим практикам в ML, но непосредственной практики будет маловато.
Дәйексөздер359
Более подробно об активном обучении и связанных с ним методах можно узнать в докладе Дасгупты и Лэнгфорда на ICML в 2009 году8.
Цель машинного обучения — обнаружение закономерностей и взаимосвязей в данных и практическое применение полученной информации.
убираем нерепрезентативные или имеющие систематическую ошибку обучающие данные.
• Этапы предварительной обработки обучающей выборки:
• перекодируем категориальные признаки;
• разбираемся с отсутствующими данными;
• выполняем нормализацию признаков (для некоторых ML-алгоритмов);
• выполняем проектирование признаков.
• Четыре полезные техники визуализации данных — мозаичные диаграммы, графики плотности, диаграммы размаха и диаграммы рассеяния:
• Этапы предварительной обработки обучающей выборки:
• перекодируем категориальные признаки;
• разбираемся с отсутствующими данными;
• выполняем нормализацию признаков (для некоторых ML-алгоритмов);
• выполняем проектирование признаков.
• Четыре полезные техники визуализации данных — мозаичные диаграммы, графики плотности, диаграммы размаха и диаграммы рассеяния:
