تحلیل پیش بینی کننده: قدرت پیش بینی اینکه چه کسی کلیک می کند، می خرد، دروغ می گوید یا می میرد ۲۰۱۶
Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die 2016

دانلود کتاب تحلیل پیش بینی کننده: قدرت پیش بینی اینکه چه کسی کلیک می کند، می خرد، دروغ می گوید یا می میرد ۲۰۱۶ (Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die 2016) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

Eric Siegel

ناشر: Wiley
voucher-1

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2016

زبان

English

نوع فایل

pdf

حجم

21 Mb

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب تحلیل پیش بینی کننده: قدرت پیش بینی اینکه چه کسی کلیک می کند، می خرد، دروغ می گوید یا می میرد ۲۰۱۶

“مسحورکننده و شگفت انگیز…” – سیاتل پست-اینتلیجنسر

“فریکونومیکسِ داده های بزرگ.” – استین کرتسینگر، بنیانگذار اجرایی Advertising.com

برنده جایزه | مورد استفاده بیش از 30 دانشگاه | ترجمه شده به 9 زبان

مقدمه ای برای همگان. در این مقدمه غنی، جذاب – و به طرز شگفت انگیزی در دسترس – اریک سیگل، کارشناس برجسته، آشکار می سازد که تحلیل پیش بینی کننده (همچنین معروف به یادگیری ماشین) چگونه کار می کند و چگونه هر روز بر همه تاثیر می گذارد. این کتاب به جای یک “راهنمای عملی” برای متخصصان فنی، با پوشش مطالعات موردی جدید و آخرین تکنیک های پیشرفته، به خوانندگان عادی و متخصصان به طور یکسان خدمت می کند.

پیش بینی در حال رونق است. این صنعت ها را از نو می سازد و جهان را اداره می کند. شرکت ها، دولت ها، مجریان قانون، بیمارستان ها و دانشگاه ها از این قدرت استفاده می کنند. این موسسات پیش بینی می کنند که آیا شما کلیک خواهید کرد، خرید خواهید کرد، دروغ خواهید گفت یا خواهید مُرد. چرا؟ به یک دلیل خوب: پیش بینی رفتار انسان با ریسک مبارزه می کند، فروش را افزایش می دهد، مراقبت های بهداشتی را تقویت می کند، تولید را ساده می کند، هرزنامه را از بین می برد، شبکه های اجتماعی را بهینه می کند، مبارزه با جرم و جنایت را سخت تر می کند و در انتخابات پیروز می شود. چگونه؟ پیش بینی توسط قوی ترین و پررونق ترین منبع غیرطبیعی جهان تامین می شود: داده. داده که تا حد زیادی به عنوان محصول جانبی کارهای معمول جمع آوری شده است، رسوب بی نمک و بی طعم است که به صورت انبوه در زمانی که سازمان ها در حال فعالیت هستند، بر جای می ماند. شگفتا! این توده زباله یک معدن طلا است. داده های بزرگ، ثروت فوق العاده ای از تجربه را در خود جای داده است که می توان از آن آموخت. تحلیل پیش بینی کننده (همچنین معروف به یادگیری ماشین) قدرت داده را آزاد می کند. با استفاده از این فناوری، رایانه به معنای واقعی کلمه از داده ها می آموزد که چگونه رفتار آینده افراد را پیش بینی کند. پیش بینی بی نقص امکان پذیر نیست، اما شرط بندی روی آینده میلیون ها تصمیم را به طور موثرتری هدایت می کند و تعیین می کند که با چه کسی تماس گرفته شود، برای چه کسی نامه فرستاده شود، چه کسی مورد تحقیق قرار گیرد، چه کسی زندانی شود، چه کسی به یک قرار ملاقات فرستاده شود یا چه کسی دارو مصرف کند. در این مقدمه روشن و جذاب – که اکنون در ویرایش بازبینی و به روزرسانی شده خود قرار دارد – اریک سیگل، استاد سابق دانشگاه کلمبیا و بنیانگذار Predictive Analytics World، قدرت و خطرات پیش بینی را آشکار می کند:

* چه نوع ریسک وام مسکن را Chase Bank قبل از رکود پیش بینی کرد.
* پیش بینی اینکه چه افرادی مدرسه را ترک می کنند، اشتراک را لغو می کنند یا قبل از اینکه خودشان بدانند طلاق می گیرند.
* چرا بازنشستگی زودهنگام مرگ زودرس را پیش بینی می کند و گیاهخواران پروازهای کمتری را از دست می دهند.
* پنج دلیل که چرا سازمان ها مرگ را پیش بینی می کنند – از جمله یک شرکت بیمه سلامت.
* چگونه U.S. Bank و Obama for America روشی را محاسبه کردند که به قوی ترین شکل ممکن هر فرد را متقاعد کنند.
* چرا NSA تمام داده های شما را می خواهد: ابررایانه های یادگیری ماشین برای مبارزه با تروریسم.
* چگونه کامپیوتر واتسون IBM از مدل سازی پیش بینی کننده برای پاسخ دادن به سوالات و شکست دادن قهرمانان انسانی در Jeopardy! تلویزیون استفاده کرد.
* چگونه شرکت ها حقایق ناگفته و خصوصی را کشف می کنند – چگونه Target متوجه می شود که شما باردار هستید و Hewlett-Packard استنباط می کند که شما در شرف ترک کار خود هستید.
* چگونه قضات و هیئت های عفو مشروط به رایانه های پیش بینی کننده جرم و جنایت تکیه می کنند تا تصمیم بگیرند که محکومان چه مدت در زندان بمانند.
* 182 مثال از Airbnb، BBC، Citibank، ConEd، Facebook، Ford، Google، IRS، LinkedIn، Match.com، MTV، Netflix، PayPal، Pfizer، Spotify، Uber، UPS، Wikipedia و غیره.

تحلیل پیش بینی کننده چگونه کار می کند؟ این کتاب پرمحتوا با رمزگشایی از علم جذاب زیر پوست آن، رضایت بخش است. برای متخصصان عملی آینده که به دنبال حرفه ای در این زمینه هستند، یک پایه قوی ایجاد می کند، دانش پیش نیاز را ارائه می دهد و اشتهای شما را برای بیشتر شدن برمی انگیزد.

تحلیل پیش بینی کننده، یک علم واقعاً فراگیر، دائماً بر زندگی روزمره ما تاثیر می گذارد. چه شما مصرف کننده آن باشید – یا مصرف شده توسط آن – قدرت Predictive Analytics را در دست بگیرید.


فهرست کتاب:

۱. جلد

۲. تحسین‌ها برای تحلیل پیش‌بینی‌کننده

۳. صفحه عنوان

۴. حق تکثیر

۵. تقدیم

۶. پیشگفتار توماس اچ. داونپورت

۷. پیشگفتار ویرایش اصلاح‌شده و به‌روز‌شده

۸. پیشگفتار ویرایش اصلی

۹. مقدمه: اثر پیش‌بینی

۱۰. فصل ۱: برخاست! پیش‌بینی دست به کار می‌شود

۱۱. فصل ۲: قدرت مسئولیت می‌آورد: Hewlett-Packard، Target، پلیس‌ها و NSA اسرار شما را کشف می‌کنند

۱۲. فصل ۳: اثر داده: فراوانی بیش از حد در انتهای رنگین کمان

۱۳. فصل ۴: ماشینی که یاد می‌گیرد: نگاهی به پیش‌بینی ریسک وام مسکن در Chase

۱۴. فصل ۵: اثر گروهی: Netflix، برون‌سپاری جمعی و افزایش فوق‌العاده توان پیش‌بینی

۱۵. فصل ۶: واتسون و چالش Jeopardy!

۱۶. فصل ۷: ترغیب از طریق اعداد: چگونه Telenor، U.S. Bank و کمپین اوباما نفوذ را مهندسی کردند

۱۷. موخره: یازده پیش‌بینی برای ساعت اول ۲۰۲۲

۱۸. ضمائم

۱۹. راهنمای عملی: منابع برای یادگیری بیشتر

۲۰. سپاسگزاری‌ها

۲۱. درباره نویسنده

۲۲. ۱۸۲ مثال از تحلیل پیش‌بینی‌کننده: خلاصه‌ای بین‌صنعتی از مطالعات موردی کوچک

۲۳. فهرست مطالب

۲۴. توافقنامه مجوز کاربر نهایی

توضیحات(انگلیسی)

"Mesmerizing & fascinating..." — The Seattle Post-Intelligencer

"The Freakonomics of big data." —Stein Kretsinger, founding executive of Advertising.com

Award-winning | Used by over 30 universities | Translated into 9 languages

An introduction for everyone. In this rich, fascinating — surprisingly accessible — introduction, leading expert Eric Siegel reveals how predictive analytics (aka machine learning) works, and how it affects everyone every day. Rather than a "how to" for hands-on techies, the book serves lay readers and experts alike by covering new case studies and the latest state-of-the-art techniques.

Prediction is booming. It reinvents industries and runs the world. Companies, governments, law enforcement, hospitals, and universities are seizing upon the power. These institutions predict whether you're going to click, buy, lie, or die. Why? For good reason: predicting human behavior combats risk, boosts sales, fortifies healthcare, streamlines manufacturing, conquers spam, optimizes social networks, toughens crime fighting, and wins elections. How? Prediction is powered by the world's most potent, flourishing unnatural resource: data. Accumulated in large part as the by-product of routine tasks, data is the unsalted, flavorless residue deposited en masse as organizations churn away. Surprise! This heap of refuse is a gold mine. Big data embodies an extraordinary wealth of experience from which to learn. Predictive analytics (aka machine learning)unleashes the power of data. With this technology, the computer literally learns from data how to predict the future behavior of individuals. Perfect prediction is not possible, but putting odds on the future drives millions of decisions more effectively, determining whom to call, mail, investigate, incarcerate, set up on a date, or medicate. In this lucid, captivating introduction — now in its Revised and Updated edition — former Columbia University professor and Predictive Analytics World founder Eric Siegel reveals the power and perils of prediction:

  • What type of mortgage risk Chase Bank predicted before the recession.
  • Predicting which people will drop out of school, cancel a subscription, or get divorced before they even know it themselves.
  • Why early retirement predicts a shorter life expectancy and vegetarians miss fewer flights.
  • Five reasons why organizations predict death — including one health insurance company.
  • How U.S. Bank and Obama for America calculated the way to most strongly persuade each individual.
  • Why the NSA wants all your data: machine learning supercomputers to fight terrorism.
  • How IBM's Watson computer used predictive modeling to answer questions and beat the human champs on TV's Jeopardy!
  • How companies ascertain untold, private truths — how Target figures out you're pregnant and Hewlett-Packard deduces you're about to quit your job.
  • How judges and parole boards rely on crime-predicting computers to decide how long convicts remain in prison.
  • 182 examples from Airbnb, the BBC, Citibank, ConEd, Facebook, Ford, Google, the IRS, LinkedIn, Match.com, MTV, Netflix, PayPal, Pfizer, Spotify, Uber, UPS, Wikipedia, and more.

How does predictive analytics work? This jam-packed book satisfies by demystifying the intriguing science under the hood. For future hands-on practitioners pursuing a career in the field, it sets a strong foundation, delivers the prerequisite knowledge, and whets your appetite for more.

A truly omnipresent science, predictive analytics constantly affects our daily lives. Whether you are a consumer of it — or consumed by it — get a handle on the power of Predictive Analytics.


Table of Contents

1. Cover

2. Praise for Predictive Analytics

3. Title Page

4. Copyright

5. Dedication

6. Foreword Thomas H. Davenport

7. Preface to the Revised and Updated Edition

8. Preface to the Original Edition

9. Introduction: The Prediction Effect

10. Chapter 1: Liftoff! Prediction Takes Action

11. Chapter 2: With Power Comes Responsibility: Hewlett-Packard, Target, the Cops, and the NSA Deduce Your Secrets

12. Chapter 3: The Data Effect: A Glut at the End of the Rainbow

13. Chapter 4: The Machine That Learns: A Look inside Chase's Prediction of Mortgage Risk

14. Chapter 5: The Ensemble Effect: Netflix, Crowdsourcing, and Supercharging Prediction

15. Chapter 6: Watson and the Jeopardy! Challenge

16. Chapter 7: Persuasion by the Numbers: How Telenor, U.S. Bank, and the Obama Campaign Engineered Influence

17. Afterword: Eleven Predictions for the First Hour of 2022

18. Appendices

19. Hands-On Guide: Resources for Further Learning

20. Acknowledgments

21. About the Author

182 Examples of Predictive Analytics: A Cross-Industry Compendium of Mini-Case Studies

23. Index

24. End User License Agreement

دیگران دریافت کرده‌اند

سایر کتاب‌های ناشر

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.