建立基本概念
數據分析核心是在應用，必須首先能有清楚全面的思維框架
說明工作流程
透過三個主要數據分析的步驟，確定不會漏失關鍵且能避開陷阱
理解分析模型
對於傳統的分析模型和新的神經網絡，簡單直觀說明
掌握先鋒思維
打造基礎的概念，從而能有效的掌握新的思維趨勢
實際操作案例
逐步詳細的實際操作，能快速上手直接使用在真實的需求
作者簡介：
新媒體集團總裁
新比士康（北京）顧問有限公司董事長
北京精銘數據科技有限公司總經理
暢品（臺北）科技公司總經理
中南財經政法大學客座教授
中南財經政法大學新媒體行銷研究中心研究員
湖北經濟學院兼職教授
北京服裝學院時尚傳播學院客座教授
臺灣實踐大學國際貿易學系客座教授
作者序
大數據或數據分析，是從數據中找到其潛在的規則，以解決實際的問題。所以真正的數據分析，必然是從實際需求開始，使用系統性的思考方法，並以產生實際效益為導向。換句話說，數據分析的目的就是為了能有進一步的實際行動，才稱得上是數據分析的價值。
大數據或數據分析，是從數據中找到其潛在的規則，以解決實際的問題。所以真正的數據分析，必然是從實際需求開始，使用系統性的思考方法，並以產生實際效益為導向。換句話說，數據分析的目的就是為了能有進一步的實際行動，才稱得上是數據分析的價值。
目錄
總論
1引言
1.1發展歷程
1.2角色的轉變
1.3潛在意義
1.4思維框架
1.5商業考量
2數據分析流程
2.1標準流程
2.2數據整理
基礎篇
3監督式學習
3.1分類
3.2迴歸
4非監督式學習
4.1關聯分析
4.2叢聚
4.3馬可夫鏈
4.4結語
5人工神經網路
5.1基本概念
5.2全連接神經網路
5.3梯度下降
5.4其它網路
5.5深度學習網路
6非結構性數據分析
6.1文本分析
6.2時間序列
7模型優化
7.1模型檢驗
7.2模型使用
實用篇
8整合案例說明
8.1數位化行銷
8.2行銷商務考慮
8.3建立客戶歷程
8.4結語
9RapidMiner 練習及總結
9.1RapidMiner 練習
9.2其它案例
9.3展望未來
附錄
10RapidMiner 的介紹和使用
10.1RapidMiner 的歷史沿革
10.2RapidMiner 的結構說明
10.3RapidMiner 的平臺特色
10.4RapidMiner 的介面介紹
10.5特殊功能
10.6 自動功能
10.7操作案例
參考文獻
總論
1引言
1.1發展歷程
1.2角色的轉變
1.3潛在意義
1.4思維框架
1.5商業考量
2數據分析流程
2.1標準流程
2.2數據整理
基礎篇
3監督式學習
3.1分類
3.2迴歸
4非監督式學習
4.1關聯分析
4.2叢聚
4.3馬可夫鏈
4.4結語
5人工神經網路
5.1基本概念
5.2全連接神經網路
5.3梯度下降
5.4其它網路
5.5深度學習網路
6非結構性數據分析
6.1文本分析
6.2時間序列
7模型優化
7.1模型檢驗
7.2模型使用
實用篇
8整合案例說明
8.1數位化行銷
8.2行銷商務考慮
8.3建立客戶歷程
8.4結語
9RapidMiner 練習及總結
9.1RapidMiner 練習
9.2其它案例
9.3展望未來...
購物須知
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。
二手徵求有驚喜
2025專利防護中