大数据和机器学习等的兴起使得商业分析领域越来越倚重数据科学。本书详细介绍了商业数据科学中的关键元素，汇集了机器学习、经济学以及统计学领域的核心原则和最佳实践，内容涵盖识别商业政策中的重要变量、通过实验测量这些变量，以及挖掘社交媒体以了解公众对于政策修改的反应，为从事商业数据科学的数据科学家和商业人士提供了必备工具。书中通过大量数据分析示例讲解如何利用R语言编写脚本来解决复杂的数据科学问题。

大数据和机器学习等的兴起使得商业分析领域越来越倚重数据科学。本书详细介绍了商业数据科学中的关键元素，汇集了机器学习、经济学以及统计学领域的核心原则和最佳实践，内容涵盖识别商业政策中的重要变量、通过实验测量这些变量，以及挖掘社交媒体以了解公众对于政策修改的反应，为从事商业数据科学的数据科学家和商业人士提供了必备工具。书中通过大量数据分析示例讲解如何利用R语言编写脚本来解决复杂的数据科学问题。

本书旨在为有兴趣更好地理解数学和统计的学生提供一个可访问的、全面的教科书，这些数学和统计知识是数据科学和机器学习算法的基础。

《高效商业分析——Excel建模与决策》基于Excel 这一最常见的工具介绍商业分析在业务中的应用，帮助我们做出更优异的商业决策。书中不但提供了商业分析的基础知识，还讲解了数据分析与统计的基本工具和方法，包括用Excel 实现数据的视觉展现、概率分布和数据建模、抽样与估计以及统计推断，为构建和分析预测模型、运用回归和预测技巧、仿真和风险分析等提供了方法，并介绍了数据挖掘的概念。书中提供了各种优化模型及应用，最后介绍了决策分析的理念、工具和方法。 《高效商业分析——Excel建模与决策》不但适合MBA，还适合统计、计算机等相关专业选作教材，此外，本书适合进行公司决策分析、大数据分析等相关人员参考阅读。

《高效商业分析——Excel建模与决策》基于Excel 这一最常见的工具介绍商业分析在业务中的应用，帮助我们做出更优异的商业决策。书中不但提供了商业分析的基础知识，还讲解了数据分析与统计的基本工具和方法，包括用Excel 实现数据的视觉展现、概率分布和数据建模、抽样与估计以及统计推断，为构建和分析预测模型、运用回归和预测技巧、仿真和风险分析等提供了方法，并介绍了数据挖掘的概念。书中提供了各种优化模型及应用，最后介绍了决策分析的理念、工具和方法。 《高效商业分析——Excel建模与决策》不但适合MBA，还适合统计、计算机等相关专业选作教材，此外，本书适合进行公司决策分析、大数据分析等相关人员参考阅读。

本书是机器学习实战领域的一本佳作，从机器学习的基本概念讲起，旨在将初学者引入机器学习的大门，并走上实践的道路。本书通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页挖掘等热点问题，论证了“优化是力量之源”这一观点，为机器学习在企业中的应用提供了切实可行的操作建议。

本书是机器学习实战领域的一本佳作，从机器学习的基本概念讲起，旨在将初学者引入机器学习的大门，并走上实践的道路。本书通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页挖掘等热点问题，论证了“优化是力量之源”这一观点，为机器学习在企业中的应用提供了切实可行的操作建议。

《商业分析(第二版)(英汉双语)》是美国管理会计师协会CMA考试教材的第一部分，即商业分析。考察经济学方面的基本知识，并且将在开篇介绍影响具体公司的因素。在具备关于市场和定价的基本知识之后，我们将考察国家层面的经济问题，并讨论政府在确定经济政策时所面临的挑战。然后，我们将视野扩展至全球，考察进行全球贸易时有关国家和公司应该考虑的主要因素，以及负责维护全球经济稳定的国际组织。接着将探讨经济学基本知识在内部控制中的应用。最后，《商业分析(第二版)(英汉双语)》以对定量分析方法和财务报表分析的讨论作结。

大数据分析与机器学习技术已成为各行各业实现数字化变革的关键驱动力。本书以功能强大且较易上手的Python语言为编程环境，全面讲解了大数据分析与机器学习技术的商业应用实战。 全书共16章，讲解了线性回归模型、逻辑回归模型、决策树模型、朴素贝叶斯模型、K近邻算法模型、随机森林模型、AdaBoost与GBDT模型、XGBoost与LightGBM模型、PCA（主成分分析）模型、聚类与分群模型（KMeans与DBSCAN算法）、协同过滤算法模型、Apriori关联分析模型、神经网络模型等十余种机器学习模型的原理和代码实现，每种模型都配有一到两个典型案例，涵盖金融、营销、医疗、社会科学、企业办公与管理等多个领域。 本书适合具备一定数学知识和编程基础、希望快速在工作中应用大数据分析与机器学习技术的读者阅读，也适合Python编程爱好者或对大数据分析与机器学习技术...(展开全部)

时间序列在现代生活中无处不在，它也是数据分析的重要对象。本书介绍时间序列分析的实用技巧，展示如何结合机器学习方法和传统的统计方法来分析各类时间序列数据，并提供Python示例和R示例。本书共有17章，首先概览时间序列分析的历史，然后介绍数据的获取、清洗、模拟和存储，接着关注可用于时间序列分析的建模技术，最后探讨时间序列分析在几个常见领域中的应用。 编辑推荐 天气、股票、心跳都会产生时间序列数据，物联网、数字化医疗和智慧城市的兴起更是产生了大量的时间序列数据。随着数据的规模快速增长，应用机器学习和统计方法进行时间序列分析的做法越来越普遍，也越来越重要。 本书从实战角度介绍时间序列分析中的创新技术和实际用例，帮助你结合使用传统的统计方法和先进的机器学习技术来解决时间序列分析中的常见问题。由于Python和R都是时间序列分析常用的语言，因此本书兼顾这两种语...(展开全部)