幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數據科學工程實踐(用戶行為分析與建模A\B實驗SQLFlow)/數據科學與工程技術叢書

  • 作者：謝梁//繆瑩瑩//高梓堯//王子玲|責編:韓蕊
  • 出版社：機械工業
  • ISBN：9787111682547
  • 出版日期：2021/06/01
  • 裝幀：平裝
  • 頁數：259
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    這是一本將數據科學三要素——商業理解、量化模型、數據技術全面打通的實戰性著作，是來自騰訊、滴滴、快手等一線互聯網企業的數據科學家、數據分析師和演算法工程師的經驗總結，得到了SQLFlow創始人以及騰訊、網易、快手、貝殼找房、谷歌等企業的專家一致好評和推薦。
    全書三個部分，內容相對獨立，既能幫助初學者建立知識體系，又能幫助從業者解決商業中的實際問題，還能幫助有經驗的專家快速掌握數據科學的Z新技術和發展動向。內容圍繞非實驗環境下的觀測數據的分析、實驗的設計和分析、自助式數據科學平台3大主題展開，涉及統計學、經濟學、機器學習、實驗科學等多個領域，包含大量常用的數據科學方法、簡潔的代碼實現和經典的實戰案例。
    第1部分（第1?6章）觀測數據的分析技術
    講解了非實驗環境下不同觀測數據分析場景所對應的分析框架、原理及實際操作，包括消費者選擇偏好分析、消費者在時間維度上的行為分析、基於機器學習的用戶生命周期價值預測、基於可解釋模型技術的商業場景挖掘、基於矩陣分解技術的用戶行為規律發現與挖掘，以及在不能進行實驗分析時如何更科學地進行全量評估等內容。
    第二部分（第7?9章）實驗設計和分析技術
    從A／B實驗的基本原理出發，深入淺出地介紹了各種商業場景下進行實驗設計需要參考的原則和運用的方法，尤其是在有樣本量約束條件下提升實驗效能的方法及商業場景限制導致的非傳統實驗設計。
    第三部分（第10?12章）自助式數據科學平台SQLFlow
    針對性的講解了開源的工程化的自助式數據科學平台SQLFlow，並通過系統配置、黑盒模型的解讀器應用、聚類分析場景等案例幫助讀者快速了解這一面向未來的數據科學技術。
作者介紹
謝梁//繆瑩瑩//高梓堯//王子玲|責編:韓蕊
目錄
作者簡介
序一
序二
前言
第一部分  觀測數據的分析技術
  第1章  如何分析用戶的選擇
    1.1  選擇行為的經濟學理論
      1.1.1  選擇無處不在
      1.1.2  選擇行為的經濟學理論
    1.2  用戶選擇行為計量分析框架：DCM
      1.2.1  從經濟模型到計量模型
      1.2.2  常用的DCM模型及應用場景
    1.3  DCM模型的Python實踐
      1.3.1  軟體包&數據格式
      1.3.2  使用Logistics Regression分析自駕選擇問題
      1.3.3  使用 Multinomial Logit Model 分析完整交通方式選擇問題
      1.3.4  使用 Nested Logit Model 分析完整交通方式選擇問題
    1.4  本章小節
  第2章  與時間相關的行為分析時間可變的行為分析
    2.1  從「如何給二手車定價」案例說起
      2.1.1  二手車定價背景
      2.1.2  為什麼不選擇一般回歸模型？
      2.1.3  為什麼選擇生存分析？
    2.2  生存分析的理論框架
      2.2.2  生存函數及風險函數刻畫
      2.2.3  生存函數回歸及生存概率的預測
    2.3  生存分析在二手車定價案例中的應用實踐
      2.3.1  軟體包&數據格式&數據入讀
      2.3.2  生存分析基礎操作：二手車銷售生存曲線繪製及差異對比
  第3章  洞察消費者長期價值：基於神經網路的LTV建模
    3.1  LTV的概念和商業應用
      3.1.1  LTV——用戶終生（長期）價值
      3.1.2  用戶生命周期和用戶終生價值
      3.1.3  LTV的特點
      3.1.4  LTV分析能幫助我們回答的問題
      3.1.5  LTV的計算方法
    3.2  神經網路的基本原理
      3.2.1  神經網路的歷史
      3.2.2  本章所涉及的神經網路結構
    3.3  基於Keras的LTV模型實踐
      3.3.1  Keras介紹
      3.3.2  數據的載入和預處理
      3.3.3  輸入數據的準備
      3.3.4  模型搭建和訓練
      3.3.5  模型分析
    3.4  本章總結
  第4章  使用體系化分析方法進行場景挖掘
  第5章  行為規律的發現與挖掘
  第6章  對觀測到的事件進行因果推斷
第二部分  實驗設計和分析技術

  第7章  如何比較兩個策略的效果
  第8章  提高實驗效能
  第9章  特殊場景下的實驗設計和分析方法
第三部分  自助式數據科學平台SQLFlow
  第10章  SQLFlow
  第11章  機器學習模型可解釋性
  第12章  基於LSTM-Autoencoder的無監督聚類模型

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032