《数据挖掘与数据化运营实战:思路、方法、技巧与应用》是目前有关数据挖掘在数据化运营实践领域比较全面和系统的著作，也是诸多数据挖掘书籍中为数不多的穿插大量真实的实践应用案例和场景的著作，更是创造性地针对数据化运营中不同分析挖掘课题类型，推出一一对应的分析思路集锦和相应的分析技巧集成，为读者提供“菜单化”实战锦囊的著作。作者结合自己数据化运营实践中大量的项目经验，用通俗易懂的“非技术”语言和大量活泼生动的案例，围绕数据分析挖掘中的思路、方法、技巧与应用，全方位整理、总结、分享，帮助读者深刻领会和掌握“以业务为核心，以思路为重点，以分析技术为辅佐”的数据挖掘实践应用宝典。 《数据挖掘与数据化运营实战:思路、方法、技巧与应用》共19章，分为三个部分：基础篇（第1～4章）系统介绍了数据分析挖掘和数据化运营的相关背景、数据化运营中“协调配合”的核心，以及实践中常...(展开全部)

本书基于北京大学光华管理学院“数据挖掘与应用”课程。书中系统、全面地介绍了数据挖掘领域的理论、技术工具以及实践方法。主要内容包括：数据挖掘方法论、数据理解和数据准备、缺失数据、关联规则挖掘、多元统计降维、聚类分析、线性回归和广义线性回归、回归模型规则化、神经网络、决策树、支持向量机、模型评估、模型组合、协同过滤等。 书中在每种数据挖掘技术后，均辅以大量医疗、金融、营销、保险、政府部门等应用案例，并均配有相关应用的 SAS 和 R 代码，以及视频课程二维码。 第二版在头一版的基础上，增加了缺失数据、回归模型中的规则化和变量选择、卷积神经网络、支持向量机、协同过滤这5章内容。在已有各章内，本书亦增加了新的内容和示例。近些年来，R因为其自由、免费、开源，已经发展为数据分析领域*强大的软件之一。因此，本书除了继续展示 SAS 程序，还增加了 R 程序。

《数据挖掘与应用》全面地介绍了数据挖掘的相关主题.包括数据理解与数据准备、关联规则挖掘、多元统计中的降维方法、聚类分析、神经网络、决策树方法、模型评估等内容。全书体系完整，文字精炼，注重对数据挖掘方法的直觉理解及其应用：同时，保持了一定的严谨性，为学生理解和运用这些方法提供了坚实的基础。 《数据挖掘与应用》实例丰富，并附有相应SAS程序，以便于学生尽快理解相关内容并用以解决实际问题。 《数据挖掘与应用》配有教辅，可以免费提供给任课教师使用。如需要，欢迎填写书后的“教师反馈及课件申请表’索取。

这是一本完整介绍谷歌分析工具（Google Analytics）功能和报告的指南，先概括性地介绍报告的功能，然后介绍衡量的策略，再介绍账户的建立和跟踪代码的安装，谷歌跟踪代码管理器，事件、虚拟页面浏览、社交操作和错误报告，流量获取，目标和电子商务跟踪，数据视图设置、数据视图过滤器和访问权限，细分，信息中心、自定义报告和智能提醒，实施的定制化，移动App的衡量，谷歌分析工具的集成，谷歌分析工具与CRM数据的集成，用第三方工具实现高级报告和可视化，数据导入和测量协议，*后介绍Analytics 360。每章*后都有要点回顾以及实战与练习，每章更特别邀请了行业内大咖及专家分享业务上的经验和技巧。 本书对于有些谷歌分析工具经验的读者来说，能学到很多实战案例、技巧以及思路。产品经理、交互设计师、市场营销、运营、增长、分析师、内容创作者、用户体验专家、技术人员等...(展开全部)

企业每天都会生成大量种类繁多的数据，为了做出更明智的决策、发现问题并实现盈利，往往需要通过一些方法和工具将数据转化为可行的方案。随着大数据时代的到来，数据化运营已经成为商业智能中必不可缺的一个重要环节。在数据化运营过程中，需要数据分析师进行数据采集、数据清洗、数据建模、数据可视化和数据商业决策 5 项工作。 本书结合企业商业数据，分数据化运营基础、企业中的数据化运营、数据化运营的业务流程、辅助决策式数据化运营、数据驱动式数据化运营、客户数据化运营、产品数据化运营 7 章讲述如何进行商业智能数据化运营。

企业每天都会生成大量种类繁多的数据，为了做出更明智的决策、发现问题并实现盈利，往往需要通过一些方法和工具将数据转化为可行的方案。随着大数据时代的到来，数据化运营已经成为商业智能中必不可缺的一个重要环节。在数据化运营过程中，需要数据分析师进行数据采集、数据清洗、数据建模、数据可视化和数据商业决策 5 项工作。 本书结合企业商业数据，分数据化运营基础、企业中的数据化运营、数据化运营的业务流程、辅助决策式数据化运营、数据驱动式数据化运营、客户数据化运营、产品数据化运营 7 章讲述如何进行商业智能数据化运营。

本书围绕数据挖掘竞赛，讲解了各种类型数据挖掘竞赛的解题思路、方法和技巧，并辅以对应的实战案例。全书共11章。第1章介绍数据挖掘竞赛的背景、意义和现状。从第2章开始，介绍了各种不同类型的数据挖掘竞赛包括结构化数据、自然语言处理、计算机视觉（图像）、计算机视觉（视频）、强化学习。每种类型的数据挖掘竞赛包含理论篇和实战篇：理论篇介绍通用的解题流程和关键技术；实战篇选取比较有代表性的赛题，对赛题的优秀方案进行深入分析，并提供方案对应的实现代码。 本书适合数据挖掘竞赛爱好者、人工智能相关专业在校大学生、人工智能方向从业人员及对人工智能感兴趣的读者阅读。

目前，数据挖掘类课程已成为我国新工科教育的数据科学思维提升课程，成为信息、电子等各类工科专业本科生与研究生的必修课。本书深入浅出地介绍了数据挖掘和数据分析的知识、常用的各类算法；系统梳理与比较各类算法的优缺点与适用场景。本书内容结合作者多年的科研和教学经验，大量案例来自作者的项目和科研成果，不仅适合作为大数据特色类专业的本科生和研究生教材，同时也适合机械、航空等其他工科专业的入门与自学教材，还可作为各专业本科生与研究生考试复习的参考资料。

本书以互联网企业中常见数据运营场景为切入点，以工作中实际面临解决的问题为案例，从方法、技术、业务、实践4个维度讲述数据运营的场景及应用方式。书中从实践出发，结合工作中数据运营经验，以应用案例为主线，通过业务分析+代码实践这种更“接地气”的方式讲述数据的应用。书中对于搭建数据监控指标体系、数据分析、数据挖掘、ABTest、埋点策略、用户画像建模等常见数据运营方式做了详细的介绍。

“如果你想学习如何用一款统计专家和数据挖掘专家所开发的免费软件包，那就选这本书吧。本书包括大量实际案例，它们充分体现了R软件的广度和深度。” —— Bernhard Pfahringer, 新西兰怀卡托大学 本书利用大量给出必要步骤、代码和数据的具体案例，详细描述了数据挖掘的主要过程和技术，广泛涵盖数据大小、数据类型、分析目标、分析工具等方面的各种具有挑战性的问题。 本书的支持网站（http://www.liaad.up.pt/~ltorgo/DataMiningWithR/）给出了案例研究的所有代码、数据集以及R函数包。 本书特色 通过仔细选择的案例涵盖了主要的数据挖掘技术。 给出的代码和方法可以方便地复制或者改编后应用于自己的问题。 不要求读者具有R、数据挖掘或统计技术的基础知识。 包含R和MySQL基础知识的简介。 提供了对数据挖掘技术的特性、...(展开全部)