歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
商業(yè)智能原理與應(yīng)用

商業(yè)智能原理與應(yīng)用

作者：鮑立威
出版社：浙江大學(xué)出版社出版時(shí)間：2020-02-01
開本： 26cm 頁數(shù)： 337頁
本類榜單：管理銷量榜
中 圖 價(jià):¥19.2(3.2折) 定價(jià)  ¥60.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個(gè)別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說明>>
本類五星書更多>

商業(yè)智能原理與應(yīng)用 版權(quán)信息

商業(yè)智能原理與應(yīng)用 內(nèi)容簡(jiǎn)介

本書緊密結(jié)合經(jīng)管類學(xué)生的知識(shí)結(jié)構(gòu)和學(xué)習(xí)特點(diǎn), 以“商業(yè)智能”應(yīng)用為主線, 系統(tǒng)介紹了商業(yè)智能的概念、方法、技術(shù)及應(yīng)用, 克服了以“數(shù)據(jù)挖掘”技術(shù)為主線的局限性。以MS SQL Server為數(shù)據(jù)倉庫管理平臺(tái), 以SQL Server Business Intelligence Development Visual Studio作為商業(yè)智能開發(fā)平臺(tái), 采用導(dǎo)航式教學(xué)方式, 進(jìn)行豐富的案例演示, 采用二維碼引導(dǎo)的操作過程視頻, 學(xué)生易于學(xué)習(xí)和掌握。并探索建立人機(jī)在線互動(dòng)的操作指導(dǎo)實(shí)驗(yàn)教學(xué)模式。

商業(yè)智能原理與應(yīng)用 目錄

**章 數(shù)據(jù)挖掘和商業(yè)智能
**節(jié) 數(shù)據(jù)挖掘的興起
第二節(jié) 什么是商業(yè)智能
第三節(jié) 數(shù)據(jù)挖掘和商業(yè)智能工具
第四節(jié) 數(shù)據(jù)挖掘應(yīng)用案例
小結(jié)
思考與練習(xí)
第二章 數(shù)據(jù)倉庫
**節(jié) 數(shù)據(jù)倉庫的概念
第二節(jié) 數(shù)據(jù)倉庫的體系結(jié)構(gòu)
第三節(jié) 元數(shù)據(jù)
第四節(jié) 數(shù)據(jù)集市
第五節(jié) 數(shù)據(jù)倉庫設(shè)計(jì)與實(shí)施
第六節(jié) Microsoft數(shù)據(jù)倉庫和商業(yè)智能工具
第七節(jié) 數(shù)據(jù)倉庫設(shè)計(jì)案例
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第三章 數(shù)據(jù)預(yù)處理
**節(jié) 數(shù)據(jù)預(yù)處理的重要性
第二節(jié) 數(shù)據(jù)清洗
第三節(jié) 數(shù)據(jù)集成與轉(zhuǎn)換
第四節(jié) 數(shù)據(jù)消減
第五節(jié) 離散化和概念層次樹生成
第六節(jié) 使用SSIS對(duì)數(shù)據(jù)進(jìn)行ETL操作
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第四章 多維數(shù)據(jù)分析
**節(jié) 多維數(shù)據(jù)分析基礎(chǔ)
第二節(jié) 多維數(shù)據(jù)分析方法
第三節(jié) 多維數(shù)據(jù)的存儲(chǔ)方式
第四節(jié) 多維表達(dá)式
第五節(jié) 使用SQL Server Analysis Server構(gòu)建維度和多維數(shù)據(jù)集
第六節(jié) 使用Excel數(shù)據(jù)透視圖瀏覽多維數(shù)據(jù)集
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第五章 用Microsoft SSRS處理智能報(bào)表
**節(jié) SSRS商業(yè)智能報(bào)表
第二節(jié) 使用SSRS創(chuàng)建報(bào)表
小結(jié)
實(shí)驗(yàn)
第六章 數(shù)據(jù)挖掘技術(shù)
**節(jié) 數(shù)據(jù)挖掘的任務(wù)
第二節(jié) 數(shù)據(jù)挖掘的對(duì)象
第三節(jié) 數(shù)據(jù)挖掘系統(tǒng)的分類
第四節(jié) 數(shù)據(jù)挖掘項(xiàng)目的生命周期
第五節(jié) 數(shù)據(jù)挖掘面臨的挑戰(zhàn)及發(fā)展
小結(jié)
思考與練習(xí)
第七章 關(guān)聯(lián)挖掘
**節(jié) 關(guān)聯(lián)規(guī)則挖掘
第二節(jié) 單維布爾關(guān)聯(lián)規(guī)則挖掘
第三節(jié) 挖掘多層次關(guān)聯(lián)規(guī)則
第四節(jié) 多維關(guān)聯(lián)規(guī)則的挖掘
第五節(jié) 關(guān)聯(lián)挖掘中的相關(guān)分析
第六節(jié) 利用Microsoft SSAS進(jìn)行關(guān)聯(lián)挖掘
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第八章 分類與預(yù)測(cè)
**節(jié) 分類與預(yù)測(cè)基本知識(shí)
第二節(jié) 有關(guān)分類和預(yù)測(cè)的幾個(gè)問題
第三節(jié) 基于決策樹的分類
第四節(jié) 貝葉斯分類方法
第五節(jié) 神經(jīng)網(wǎng)絡(luò)分類方法
第六節(jié) 分類器準(zhǔn)確性
第七節(jié) 預(yù)測(cè)方法
第八節(jié) Microsoft貝葉斯算法
第九節(jié) Microsoft決策樹算法
第十節(jié) Microsoft神經(jīng)網(wǎng)絡(luò)算法
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第九章 聚類分析
**節(jié) 聚類分析概念
第二節(jié) 聚類分析中的數(shù)據(jù)類型
第三節(jié) 主要聚類方法
第四節(jié) 劃分方法
第五節(jié) 層次方法
第六節(jié) 基于密度方法
第七節(jié) 異常數(shù)據(jù)分析
第八節(jié) Microsoft聚類算法
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第十章 時(shí)序數(shù)據(jù)和序列數(shù)據(jù)挖掘
**節(jié) 時(shí)間序列模型
第二節(jié) Microsoft的時(shí)序算法
第三節(jié) Microsoft時(shí)序算法示例
第四節(jié) Microsoft的序列模式挖掘
小結(jié)
思考與練習(xí)
實(shí)驗(yàn)
第十一章 基于多維數(shù)據(jù)集的數(shù)據(jù)挖掘
**節(jié) OLAP和數(shù)據(jù)挖掘之間的關(guān)系
第二節(jié) 構(gòu)建OLAP挖掘模型
小結(jié)
參考文獻(xiàn)
展開全部
商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服