หนังสือ Practical Data Science with RapidMiner Studio เล่ม 1
RapidMiner เป็นซอฟต์แวร์ทางด้าน Data Science and Machine Learning ในกลุ่ม No Code/Low Code ที่ใช้ง่าย มีฟีเจอร์ที่ช่วยในการเตรียมข้อมูลและการสร้างโมเดลได้แบบอัตโนมัติ รองรับทั้ง Expert และ Citizen Data Scientists ให้สามารถทำงานร่วมกันได้บนแพลตฟอร์มเดียวกัน
โดยหนังสือเล่มนี้อธิบายการสร้างโมเดล Machine Learning ด้วย RapidMiner แบบ Step by Step ผ่าน Use Case ได้แก่ การแบ่งกลุ่มลูกค้าด้วยวิธี RFM Segmentation, การคาดการณ์การลาออกของพนักงาน, การแนะนำรถยนต์ที่เหมาะสมสำหรับการขนส่ง, การพยากรณ์ปริมาณการใช้น้ำมันเพื่อทำความร้อน
และการพยากรณ์ว่าใครที่จะเป็นโรคเบาหวานบ้าง ครอบคลุมเทคนิคการสร้างโมเดลระดับพื้นฐาน ได้แก่ Decision Tree, Naive Bayes, Linear Regression และ Logistic Regression
Chapter 1 DATA SCIENCE PLATFORMSทางเลือกใหม่สำหรับ DATA SCIENTIST
- ยุคของการวิเคราะห์และใช้ประโยชน์จากข้อมูล
- อาชีพทางด้าน Data Science
- Data Scientist และ Citizen Data Scientist
- RapidMiner เครื่องมือสำหรับ Citizen Data Scientist
Chapter 2 เริ่มต้นการใช้งาน RAPIDMINER STUDIO 9.10
- แนะนำแพลตฟอร์มของ RapidMiner ก่อนเริ่มใช้งาน
- เริ่มต้นใช้งาน RapidMiner Studio ครั้งแรก
Chapter 3 เรียนรู้กระบวนการ DATA SCIENCE ในเชิงธุรกิจ
- ขั้นตอนการทำ Data Science Project
- ตัวอย่างการประยุกต์ใช้ในธุรกิจ (Business Use Case)
Chapter 4 การเตรียมข้อมูลให้มีคุณภาพด้วย TURBO PREP
- ทำไมข้อมูลที่มีคุณภาพคือสิ่งที่สำคัญที่สุด
- การเตรียมข้อมูลด้วย RapidMiner Turbo Prep
- ขั้นตอนการแก้ไขข้อมูลด้วยฟังก์ชันพื้นฐานที่จำเป็น
Chapter 5 การแบ่งกลุ่มลูกค้า CUSTOMER (RFM) SEGMENTATION ด้วย TURBO PREP
- แนวคิดการแบ่งกลุ่มลูกค้าในยุค Marketing 5.0
- ขั้นตอนการทำ RFM Segmentation ด้วย Turbo Prep
Chapter 6 การสร้าง MACHINE LEARNING ด้วย RAPIDMINER AUTO MODEL
- แนวคิดของเทคนิคการเรียนรู้ของเครื่อง (Basic Concepts in Machine Learning)
- ประเภทของการเรียนรู้ของเครื่อง (Types of Learning in Machine Learning)
- การสร้าง ML Model ด้วย RapidMiner Auto Model
- การสร้าง ML Model ด้วยเทคนิค Decision Tree
- การสร้าง ML Model ด้วยเทคนิค Naive Bayes
- การสร้าง ML Model ด้วยเทคนิค Linear Regression
- การสร้าง ML Model ด้วยเทคนิค Logistic Regression
- เทคนิคการเรียนรู้แบบมีผู้สอนขั้นสูง (Advanced Supervised Learning Techniques)
- เทคนิค Support Vector Machines (SVM)
- เทคนิค Random Forest
- เทคนิค Gradient Boosted Tree
- เทคนิค Deep Learning
สนใจสั่งซื้อได้ที่
https://serazu.com/web/product/4263
หรือร้านหนังสือชั้นนำทั่วไป