KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
Produktbild: Advances in Data Science and Analytics

Advances in Data Science and Analytics Concepts and Paradigms

216,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

15.11.2022

Herausgeber

M. Niranjanamurthy + weitere

Verlag

John Wiley & Sons

Seitenzahl

352

Maße (L/B/H)

22,9/15,2/2 cm

Gewicht

794 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-119-79188-1

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

15.11.2022

Herausgeber

Verlag

John Wiley & Sons

Seitenzahl

352

Maße (L/B/H)

22,9/15,2/2 cm

Gewicht

794 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-119-79188-1

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
Die Leseprobe wird geladen.
  • Produktbild: Advances in Data Science and Analytics
  • Preface xv
     
    1 Implementation Tools for Generating Statistical Consequence Using Data Visualization Techniques 1
    Dr. Ajay B. Gadicha, Dr. Vijay B. Gadicha, Prof. Sneha Bohra and Dr. Niranjanamurthy M.
     
    1.1 Introduction 2
     
    1.2 Literature Review 4
     
    1.3 Tools in Data Visualization 4
     
    1.4 Methodology 14
     
    1.4.1 Plotting the Data 14
     
    1.4.2 Plotting the Model on Data 15
     
    1.4.3 Quantifying Linear Relationships 16
     
    1.4.4 Covariance vs. Correlation 17
     
    1.5 Conclusion 18
     
    References 18
     
    2 Decision Making and Predictive Analysis for Real Time Data 21
    Umesh Pratap Singh
     
    2.1 Introduction 22
     
    2.2 Data Analytics 23
     
    2.2.1 Descriptive Analytics 23
     
    2.2.2 Diagnostic Analytics 23
     
    2.2.3 Predictive Analytics 23
     
    2.2.4 Prescriptive Analytics 24
     
    2.3 Predictive Modeling 24
     
    2.4 Categories of Predictive Models 24
     
    2.5 Process of Predictive Modeling 25
     
    2.5.1 Requirement Gathering 26
     
    2.5.2 Data Gathering 26
     
    2.5.3 Data Analysis and Massaging 26
     
    2.5.4 Machine Learning Statistics 26
     
    2.5.5 Predictive Modeling 26
     
    2.5.6 Prediction and Decision Making 27
     
    2.6 Predictive Analytics Opportunities 27
     
    2.6.1 Detecting Fraud 27
     
    2.6.2 Reduction of Risk 27
     
    2.6.3 Marketing Campaign Optimization 28
     
    2.6.4 Operation Improvement 28
     
    2.6.5 Clinical Decision Support System 28
     
    2.7 Classification of Predictive Analytics Models 28
     
    2.7.1 Predictive Models 28
     
    2.7.2 Descriptive Models 29
     
    2.7.3 Decision Models 29
     
    2.8 Predictive Analytics Techniques 29
     
    2.8.1 Predictive Analytics Software 29
     
    2.8.2 The Importance of Good Data 30
     
    2.8.3 Predictive Analytics vs. Business Intelligence 30
     
    2.8.4 Pricing Information 30
     
    2.9 Data Analysis Tools 30
     
    2.9.1 Excel 30
     
    2.9.2 Tableau 31
     
    2.9.3 Power BI 31
     
    2.9.4 Fine Report 31
     
    2.9.5 R & Python 31
     
    2.10 Advantages & Disadvantages of Predictive Modeling 31
     
    2.10.1 Advantages 31
     
    2.10.2 Disadvantages 32
     
    2.10.2.1 Data Labeling 32
     
    2.10.2.2 Obtaining Massive Training Datasets 32
     
    2.10.2.3 The Explainability Problem 32
     
    2.10.2.4 Generalizability of Learning 33
     
    2.10.2.5 Bias in Algorithms and Data 33
     
    2.11 Predictive Analytics Biggest Impact 33
     
    2.11.1 Predicting Demand 33
     
    2.11.2 Transformation Using Technology and Process 34
     
    2.11.3 Improved Pricing 34
     
    2.11.4 Predictive Maintenance 35
     
    2.12 Application of Predictive Analytics 35
     
    2.12.1 Financial and Banking Services 35
     
    2.12.2 Retail 35
     
    2.12.3 Health and Insurance 36
     
    2.12.4 Oil and Gas Utilities 36
     
    2.12.5 Public Sector 36
     
    2.13 Future Scope of Predictive Modeling 36
     
    2.13.1 Technological Advancements 37
     
    2.13.2 Changes in Work 37
     
    2.13.3 Risk Mitigation 37
     
    2.14 Conclusion 37
     
    References 38
     
    3 Optimizing Water Quality with Data Analytics and Machine Learning 39
    Bin Liang, Zhidong Li, Hongda Tian, Shuming Liang, Yang Wang and Fang Chen
     
    3.1 Introduction 39
     
    3.2 Related Work 41
     
    3.3 Data Sources and Collection 42
     
    3.4 Water Demand Forecasting 43
     
    3.4.1 Network Flow and Zone Demand Estimation 43
     
    3.4.2 Demand Forecasting 44
     
    3.4.2.1 Feature Importance 45
     
    3.4.2.2 Forecast Horizon 46
     
    3.4.3 Per