Predictive Analytics : For Dummies /
Contenido: 1) Entrar en la arena. 2) Análisis predictivo en la naturaleza. 3) Explorar sus tipos de datos y técnicas asociadas. 4) Complejidades de los datos. 5) Aplicar modelos. 6) Identificar similitudes en los datos. 7) Predecir el futuro usando la clasificación de datos. 8) Convencer a su gerenc...
Guardat en:
| Autor principal: | |
|---|---|
| Altres autors: | , |
| Format: | Llibre |
| Idioma: | anglès |
| Publicat: |
Hoboken, EUA :
Wiley,
2017, c2017
|
| Edició: | 2a edición |
| Col·lecció: | (For Dummies Wiley)
|
| Matèries: | |
| Etiquetes: |
Sense etiquetes, Sigues el primer a etiquetar aquest registre!
|
MARC
| LEADER | 00000nam^a2200000^a^4500 | ||
|---|---|---|---|
| 001 | 000418573 | ||
| 005 | 20250521000000.0 | ||
| 009 | 20260310122421.248 | ||
| 020 | |a 978-1-119-26700-3 | ||
| 037 | |a Acervo ITESO - Biblioteca | ||
| 041 | |a ING | ||
| 082 | |a 658. 00285 |b BAR | ||
| 100 | |a Bari, Anasse |e (autor) | ||
| 245 | 1 | 0 | |a Predictive Analytics : |b For Dummies / |c A. Bari, M.Chaouchi, T. Jung |
| 250 | |a 2a edición | ||
| 264 | 4 | |a Hoboken, EUA : |b Wiley, |c 2017, c2017 | |
| 300 | |a VIII, 443 p. | ||
| 336 | |a texto |b txt |2 rdacontenido | ||
| 337 | |a sin mediación |b n |2 rdamedio | ||
| 338 | |a volumen |b nc |2 rdasoporte | ||
| 440 | 1 | |a (For Dummies Wiley) | |
| 520 | |a Contenido: 1) Entrar en la arena. 2) Análisis predictivo en la naturaleza. 3) Explorar sus tipos de datos y técnicas asociadas. 4) Complejidades de los datos. 5) Aplicar modelos. 6) Identificar similitudes en los datos. 7) Predecir el futuro usando la clasificación de datos. 8) Convencer a su gerencia de adoptar el análisis predictivo. 9) Preparación de datos. 10) Creación de un modelo predictivo. 11) Visualización de resultados analíticos. 12) Creación de ejemplos básicos de predicción. 13) Creación de ejemplos básicos de predicciones no supervisadas. 14) Modelado predictivo con R. 15) Evitando trampas de análisis. 16) BigData enfocado. 17) Preparación para la analítica de la empresa. 18) Diez razones para implementar. 19) Diez pasos para construir un modelo analítico predictivo. | ||
| 521 | |a 2021 BO Licenciatura en Negocios y Mercados Digitales | ||
| 649 | |a XX | ||
| 650 | |a Big Data | ||
| 650 | |a Modelos Predictivos - |x Tema Principal | ||
| 650 | |a Modelos Matemáticos | ||
| 650 | |a Análisis de Datos | ||
| 650 | |a Análisis Matemático | ||
| 650 | |a Minería de Datos - |x Tema Principal | ||
| 650 | |a Proceso de Datos | ||
| 650 | |a Toma de Decisiones - |x Análisis de Información | ||
| 650 | |a Inteligencia de Negocios - |x Tema Principal | ||
| 650 | |a Proceso Administrativo - |x Dirección | ||
| 650 | |a Administración | ||
| 650 | |a Ingeniería Computacional | ||
| 650 | |a Ciencias Administrativas | ||
| 700 | |a Chaouchi, Mohamed |e (autor) | ||
| 700 | |a Jung, Tommy |e (autor) | ||
| 910 | |a Fondo General | ||
| 920 | |a Impresos - Libros | ||
| 930 | |a Colección General | ||
| 905 | |a 101 | ||
| 901 | |a 0500328864 |b IT1 |c ACC |i C172001 |u 20250521 | ||
| 901 | |a 0500328863 |b IT1 |c ACC |i C172000 |u 20250521 | ||
| 902 | |a https://opac.biblio.iteso.mx/vufind/Record/000418573 | ||