總論

1引言

1.1發展歷程

1.2角色的轉變

1.3潛在意義

1.4思維框架

1.5商業考量

2數據分析流程

2.1標準流程

2.2數據整理



基礎篇

3監督式學習

3.1分類

3.2迴歸

4非監督式學習

4.1關聯分析

4.2叢聚

4.3馬可夫鏈

4.4結語

5人工神經網路

5.1基本概念

5.2全連接神經網路

5.3梯度下降

5.4其它網路

5.5深度學習網路

6非結構性數據分析

6.1文本分析

6.2時間序列

7模型優化

7.1模型檢驗

7.2模型使用



實用篇

8整合案例說明

8.1數位化行銷

8.2行銷商務考慮

8.3建立客戶歷程

8.4結語

9RapidMiner 練習及總結

9.1RapidMiner 練習

9.2其它案例

9.3展望未來



附錄

10RapidMiner 的介紹和使用

10.1RapidMiner 的歷史沿革

10.2RapidMiner 的結構說明

10.3RapidMiner 的平臺特色

10.4RapidMiner 的介面介紹

10.5特殊功能

10.6 自動功能

10.7操作案例



參考文獻



?

序



　　大數據或數據分析，是從數據中找到其潛在的規則，以解決實際的問題。所以真正的數據分析，必然是從實際需求開始，使用系統性的思考方法，並以產生實際效益為導向。換句話說，數據分析的目的就是為了能有進一步的實際行動，才稱得上是數據分析的價值。