數據分析實用導引──RapidMiner 實戰篇

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。

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。

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

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...