中華企業資源規劃學會「商用數據應用師」認證教材指定用書
過去在商用大數據分析上，多著重在演算法的介紹，內容過於側重數理理解，這讓許多商管學生為之卻步。更有甚者，是太著重在程式撰寫上，這也讓沒有程式基礎的學生難以親近應用。
本書要打破這些商管學生的困擾，以顧客的R（銷售時間）、F（銷售頻率）、M（銷售金額）商業資料為主，以循序漸進方式，介紹各類資料探勘的聰明方法（即演算法），再透過免費的Google Colab平台，以Python語言為基礎，用簡易的指令撰寫，協助商管背景人士一步步進行操作，期望商管人士可以在這樣開放、免費的環境下，透過案例說明與實作，輕鬆跨過這道牆，建立起對商用大數據分析的正確基礎觀念與操作。
* 最新第二版特別針對生成式人工智慧（Generative AI）等新興技術進行介紹，讓讀者可以在大數據的框架下，掌握未來技術的發展趨勢。
* 以豐富的插圖與淺顯易懂的解說，輕鬆讀懂大數據演算法的內容。
* 提供商管案例做為資料探勘參考。
* 所有實作資料來自於轉換後的真實商業資料。
* 提供完整程式碼無痛接軌實作。
* 中華企業資源規劃學會「商用數據應用師」認證教材指定用書。
過去在商用大數據分析上，多著重在演算法的介紹，內容過於側重數理理解，這讓許多商管學生為之卻步。更有甚者，是太著重在程式撰寫上，這也讓沒有程式基礎的學生難以親近應用。
本書要打破這些商管學生的困擾，以顧客的R（銷售時間）、F（銷售頻率）、M（銷售金額）商業資料為主，以循序漸進方式，介紹各類資料探勘的聰明方法（即演算法），再透過免費的Google Colab平台，以Python語言為基礎，用簡易的指令撰寫，協助商管背景人士一步步進行操作，期望商管人士可以在這樣開放、免費的環境下，透過案例說明與實作，輕鬆跨過這道牆，建立起對商用大數據分析的正確基礎觀念與操作。
* 最新第二版特別針對生成式人工智慧（Generative AI）等新興技術進行介紹，讓讀者可以在大數據的框架下，掌握未來技術的發展趨勢。
* 以豐富的插圖與淺顯易懂的解說，輕鬆讀懂大數據演算法的內容。
* 提供商管案例做為資料探勘參考。
* 所有實作資料來自於轉換後的真實商業資料。
* 提供完整程式碼無痛接軌實作。
* 中華企業資源規劃學會「商用數據應用師」認證教材指定用書。
Chapter 1 簡介
1.1 認識商用大數據分析
1.2 資料探勘（Data Mining）
1.3 說人話的圖表
Chapter 2 開挖
2.1 了解資料探勘過程的初步步驟
2.2 如何找到可挖掘的探勘地點
2.3 選擇探勘工具
Chapter 3 介紹客戶及產品集群的方法
3.1 集群原理
3.2 介紹集群的應用
3.3 如何進行集群
3.4 判別最佳集群數
3.5 演算法的應用案例
Chapter 4 看看分群的結果
4.1 客戶價值與 RFM 模型
4.2 跑一次看看
4.3 結果解釋
4.4 結果應用
Chapter 5 關聯規則
5.1 探討時間與商品的關聯性
5.2 找到關聯的意義
5.3 商家如何從購物車中找出關聯
5.4 關聯規則演算法運作
5.5 了解分析過程後的管理意涵
Chapter 6 看看關聯的結果
6.1 跑一次看看
6.2 另一案例
6.3 結果應用
Chapter 7 決策樹
7.1 如何知道公司資料中的消費者會不會再來購物
7.2 決策樹怎麼來的
7.3 如何形成決策樹
7.4 算一次決策樹
7.5 驗證建好的決策樹
7.6 剪枝的概要說明
7.7 實務應用範例
Chapter 8 看看決策樹的結果
8.1 跑一次決策樹分析看看
8.2 如何解釋眼前生成的這棵樹
8.3 延伸應用
Chapter 9 隨機森林與最近鄰
9.1 隨機森林 - 把樹擴大了
9.2 隨機森林演算
9.3 最近鄰演算法（k nearest neighbor, kNN）
9.4 kNN 的實務應用
9.5 實務應用範例
Chapter 10 執行一下隨機森林吧
10.1 跑一次隨機森林演算法看看
10.2 結果解釋
Chapter 11 執行一下 kNN 吧
11.1 跑一次 kNN 演算法
11.2 結果解釋
Chapter 12 類神經
12.1 預測
12.2 預測的基本概念
12.3 類神經如何運作
12.4 類神經如何訓練
12.5 類神經背後原理
12.6 類神經應用範例
12.7 生成式人工智慧簡介
12.8 人工智慧生成句子推演過程
12.9 人工智慧的挑戰與未來發展
Chapter 13 執行類神經網路 ANN
13.1 淺談架構 ANN 分類器的概念
13.2 跑一次 ANN 演算法
13.3 結果解釋
Chapter 14 支援向量機
14.1 有效的分類客戶
14.2 支援向量機
14.3 人類是如何進行分類
14.4 電腦上的支援向量機如何分類
14.5 建立支援向量機模型
14.6 核函數算完後⋯⋯
14.7 應用產生的 SVM 模型來分類
14.8 支援向量機的實務應
Chapter 15 執行支援向量機 SVM
15.1 跑一次支援向量機算法
15.2 結果解釋
附錄A Colab 使用介紹 (電子書,請線上下載)
附錄B Python 基本模組套件引用介紹 (電子書,請線上下載)
附錄C 邏輯運算思維中必知語法：if 假如條件的判斷、for 重複工作的迴圈 (電子書,請線上下載)asnd Chapter 1 簡介
1.1 認識商用大數據分析
1.2 資料探勘（Data Mining）
1.3 說人話的圖表
Chapter 2 開挖
2.1 了解資料探勘過程的初步步驟
2.2 如何找到可挖掘的探勘地點
2.3 選擇探勘工具
Chapter 3 介紹客戶及產品集群的方法
3.1 集群原理
3.2 介紹集群的應用
3.3 如何進行集群
3.4 判別最佳集群數
3.5 演算法的應用案例
Chapter 4 看看分群的結果
4.1 客戶價值與 RFM 模型
4.2 跑一次看看
4.3 結果解釋
4.4 結果應用
Chapter 5 關聯規則
5.1 探討時間與商品的關聯性
5.2 找到關聯的意義
5.3 商家如何從購物車中找出關聯
5.4 關聯規則演算法運作
5.5 了解分析過程後的管理意涵
Chapter 6 看看關聯的結果
6.1 跑一次看看
6.2 另一案例
6.3 結果應用
Chapter 7 決策樹
7.1 如何知道公司資料中的消費者會不會再來購物
7.2 決策樹怎麼來的
7.3 如何形成決策樹
7.4 算一次決策樹
7.5 驗證建好的決策樹
7.6 剪枝的概要說明
7.7 實務應用範例
Chapter 8 看看決策樹的結果
8.1 跑一次決策樹分析看看
8.2 如何解釋眼前生成的這棵樹
8.3 延伸應用
Chapter 9 隨機森林與最近鄰
9.1 隨機森林 - 把樹擴大了
9.2 隨機森林演算
9.3 最近鄰演算法（k nearest neighbor, kNN）
9.4 kNN 的實務應用
9.5 實務應用範例
Chapter 10 執行一下隨機森林吧
10.1 跑一次隨機森林演算法看看
10.2 結果解釋
Chapter 11 執行一下 kNN 吧
11.1 跑一次 kNN 演算法
11.2 結果解釋
Chapter 12 類神經
12.1 預測
12.2 預測的基本概念
12.3 類神經如何運作
12.4 類神經如何訓練
12.5 類神經背後原理
12.6 類神經應用範例
12.7 生成式人工智慧簡介
12.8 人工智慧生成句子推演過程
12.9 人工智慧的挑戰與未來發展
Chapter 13 執行類神經網路 ANN
13.1 淺談架構 ANN 分類器的概念
13.2 跑一次 ANN 演算法
13.3 結果解釋
Chapter 14 支援向量機
14.1 有效的分類客戶
14.2 支援向量機
14.3 人類是如何進行分類
14.4 電腦上的支援向量機如何分類
14.5 建立支援向量機模型
14.6 核函數算完後⋯⋯
14.7 應用產生的 SVM 模型來分類
14.8 支援向量機的實務應
Chapter 15 執行支援向量機 SVM
15.1 跑一次支援向量機算法
15.2 結果解釋
附錄A Colab 使用介紹 (電子書,請線上下載)
附錄B Python 基本模組套件引用介紹 (電子書,請線上下載)
附錄C 邏輯運算思維中必知語法：if 假如條件的判斷、for 重複工作的迴圈 (電子書,請線上下載)askw Chapter 1 簡介
1.1 認識商用大數據分析
1.2 資料探勘（Data Mining）
1.3 說人話的圖表
Chapter 2 開挖
2.1 了解資料探勘過程的初步步驟
2.2 如何找到可挖掘的探勘地點
2.3 選擇探勘工具
Chapter 3 介紹客戶及產品集群的方法
3.1 集群原理
3.2 介紹集群的應用
3.3 如何進行集群
3.4 判別最佳集群數
3.5 演算法的應用案例
Chapter 4 看看分群的結果
4.1 客戶價值與 RFM 模型
4.2 跑一次看看
4.3 結果解釋
4.4 結果應用
Chapter 5 關聯規則
5.1 探討時間與商品的關聯性
5.2 找到關聯的意義
5.3 商家如何從購物車中找出關聯
5.4 關聯規則演算法運作
5.5 了解分析過程後的管理意涵
Chapter 6 看看關聯的結果
6.1 跑一次看看
6.2 另一案例
6.3 結果應用
Chapter 7 決策樹
7.1 如何知道公司資料中的消費者會不會再來購物
7.2 決策樹怎麼來的
7.3 如何形成決策樹
7.4 算一次決策樹
7.5 驗證建好的決策樹
7.6 剪枝的概要說明
7.7 實務應用範例
Chapter 8 看看決策樹的結果
8.1 跑一次決策樹分析看看
8.2 如何解釋眼前生成的這棵樹
8.3 延伸應用
Chapter 9 隨機森林與最近鄰
9.1 隨機森林 - 把樹擴大了
9.2 隨機森林演算
9.3 最近鄰演算法（k nearest neighbor, kNN）
9.4 kNN 的實務應用
9.5 實務應用範例
Chapter 10 執行一下隨機森林吧
10.1 跑一次隨機森林演算法看看
10.2 結果解釋
Chapter 11 執行一下 kNN 吧
11.1 跑一次 kNN 演算法
11.2 結果解釋
Chapter 12 類神經
12.1 預測
12.2 預測的基本概念
12.3 類神經如何運作
12.4 類神經如何訓練
12.5 類神經背後原理
12.6 類神經應用範例
12.7 生成式人工智慧簡介
12.8 人工智慧生成句子推演過程
12.9 人工智慧的挑戰與未來發展
Chapter 13 執行類神經網路 ANN
13.1 淺談架構 ANN 分類器的概念
13.2 跑一次 ANN 演算法
13.3 結果解釋
Chapter 14 支援向量機
14.1 有效的分類客戶
14.2 支援向量機
14.3 人類是如何進行分類
14.4 電腦上的支援向量機如何分類
14.5 建立支援向量機模型
14.6 核函數算完後⋯⋯
14.7 應用產生的 SVM 模型來分類
14.8 支援向量機的實務應
Chapter 15 執行支援向量機 SVM
15.1 跑一次支援向量機算法
15.2 結果解釋
附錄A Colab 使用介紹 (電子書,請線上下載)
附錄B Python 基本模組套件引用介紹 (電子書,請線上下載)
附錄C 邏輯運算思維中必知語法：if 假如條件的判斷、for 重複工作的迴圈 (電子書,請線上下載)
1.1 認識商用大數據分析
1.2 資料探勘（Data Mining）
1.3 說人話的圖表
Chapter 2 開挖
2.1 了解資料探勘過程的初步步驟
2.2 如何找到可挖掘的探勘地點
2.3 選擇探勘工具
Chapter 3 介紹客戶及產品集群的方法
3.1 集群原理
3.2 介紹集群的應用
3.3 如何進行集群
3.4 判別最佳集群數
3.5 演算法的應用案例
Chapter 4 看看分群的結果
4.1 客戶價值與 RFM 模型
4.2 跑一次看看
4.3 結果解釋
4.4 結果應用
Chapter 5 關聯規則
5.1 探討時間與商品的關聯性
5.2 找到關聯的意義
5.3 商家如何從購物車中找出關聯
5.4 關聯規則演算法運作
5.5 了解分析過程後的管理意涵
Chapter 6 看看關聯的結果
6.1 跑一次看看
6.2 另一案例
6.3 結果應用
Chapter 7 決策樹
7.1 如何知道公司資料中的消費者會不會再來購物
7.2 決策樹怎麼來的
7.3 如何形成決策樹
7.4 算一次決策樹
7.5 驗證建好的決策樹
7.6 剪枝的概要說明
7.7 實務應用範例
Chapter 8 看看決策樹的結果
8.1 跑一次決策樹分析看看
8.2 如何解釋眼前生成的這棵樹
8.3 延伸應用
Chapter 9 隨機森林與最近鄰
9.1 隨機森林 - 把樹擴大了
9.2 隨機森林演算
9.3 最近鄰演算法（k nearest neighbor, kNN）
9.4 kNN 的實務應用
9.5 實務應用範例
Chapter 10 執行一下隨機森林吧
10.1 跑一次隨機森林演算法看看
10.2 結果解釋
Chapter 11 執行一下 kNN 吧
11.1 跑一次 kNN 演算法
11.2 結果解釋
Chapter 12 類神經
12.1 預測
12.2 預測的基本概念
12.3 類神經如何運作
12.4 類神經如何訓練
12.5 類神經背後原理
12.6 類神經應用範例
12.7 生成式人工智慧簡介
12.8 人工智慧生成句子推演過程
12.9 人工智慧的挑戰與未來發展
Chapter 13 執行類神經網路 ANN
13.1 淺談架構 ANN 分類器的概念
13.2 跑一次 ANN 演算法
13.3 結果解釋
Chapter 14 支援向量機
14.1 有效的分類客戶
14.2 支援向量機
14.3 人類是如何進行分類
14.4 電腦上的支援向量機如何分類
14.5 建立支援向量機模型
14.6 核函數算完後⋯⋯
14.7 應用產生的 SVM 模型來分類
14.8 支援向量機的實務應
Chapter 15 執行支援向量機 SVM
15.1 跑一次支援向量機算法
15.2 結果解釋
附錄A Colab 使用介紹 (電子書,請線上下載)
附錄B Python 基本模組套件引用介紹 (電子書,請線上下載)
附錄C 邏輯運算思維中必知語法：if 假如條件的判斷、for 重複工作的迴圈 (電子書,請線上下載)asnd Chapter 1 簡介
1.1 認識商用大數據分析
1.2 資料探勘（Data Mining）
1.3 說人話的圖表
Chapter 2 開挖
2.1 了解資料探勘過程的初步步驟
2.2 如何找到可挖掘的探勘地點
2.3 選擇探勘工具
Chapter 3 介紹客戶及產品集群的方法
3.1 集群原理
3.2 介紹集群的應用
3.3 如何進行集群
3.4 判別最佳集群數
3.5 演算法的應用案例
Chapter 4 看看分群的結果
4.1 客戶價值與 RFM 模型
4.2 跑一次看看
4.3 結果解釋
4.4 結果應用
Chapter 5 關聯規則
5.1 探討時間與商品的關聯性
5.2 找到關聯的意義
5.3 商家如何從購物車中找出關聯
5.4 關聯規則演算法運作
5.5 了解分析過程後的管理意涵
Chapter 6 看看關聯的結果
6.1 跑一次看看
6.2 另一案例
6.3 結果應用
Chapter 7 決策樹
7.1 如何知道公司資料中的消費者會不會再來購物
7.2 決策樹怎麼來的
7.3 如何形成決策樹
7.4 算一次決策樹
7.5 驗證建好的決策樹
7.6 剪枝的概要說明
7.7 實務應用範例
Chapter 8 看看決策樹的結果
8.1 跑一次決策樹分析看看
8.2 如何解釋眼前生成的這棵樹
8.3 延伸應用
Chapter 9 隨機森林與最近鄰
9.1 隨機森林 - 把樹擴大了
9.2 隨機森林演算
9.3 最近鄰演算法（k nearest neighbor, kNN）
9.4 kNN 的實務應用
9.5 實務應用範例
Chapter 10 執行一下隨機森林吧
10.1 跑一次隨機森林演算法看看
10.2 結果解釋
Chapter 11 執行一下 kNN 吧
11.1 跑一次 kNN 演算法
11.2 結果解釋
Chapter 12 類神經
12.1 預測
12.2 預測的基本概念
12.3 類神經如何運作
12.4 類神經如何訓練
12.5 類神經背後原理
12.6 類神經應用範例
12.7 生成式人工智慧簡介
12.8 人工智慧生成句子推演過程
12.9 人工智慧的挑戰與未來發展
Chapter 13 執行類神經網路 ANN
13.1 淺談架構 ANN 分類器的概念
13.2 跑一次 ANN 演算法
13.3 結果解釋
Chapter 14 支援向量機
14.1 有效的分類客戶
14.2 支援向量機
14.3 人類是如何進行分類
14.4 電腦上的支援向量機如何分類
14.5 建立支援向量機模型
14.6 核函數算完後⋯⋯
14.7 應用產生的 SVM 模型來分類
14.8 支援向量機的實務應
Chapter 15 執行支援向量機 SVM
15.1 跑一次支援向量機算法
15.2 結果解釋
附錄A Colab 使用介紹 (電子書,請線上下載)
附錄B Python 基本模組套件引用介紹 (電子書,請線上下載)
附錄C 邏輯運算思維中必知語法：if 假如條件的判斷、for 重複工作的迴圈 (電子書,請線上下載)askw Chapter 1 簡介
1.1 認識商用大數據分析
1.2 資料探勘（Data Mining）
1.3 說人話的圖表
Chapter 2 開挖
2.1 了解資料探勘過程的初步步驟
2.2 如何找到可挖掘的探勘地點
2.3 選擇探勘工具
Chapter 3 介紹客戶及產品集群的方法
3.1 集群原理
3.2 介紹集群的應用
3.3 如何進行集群
3.4 判別最佳集群數
3.5 演算法的應用案例
Chapter 4 看看分群的結果
4.1 客戶價值與 RFM 模型
4.2 跑一次看看
4.3 結果解釋
4.4 結果應用
Chapter 5 關聯規則
5.1 探討時間與商品的關聯性
5.2 找到關聯的意義
5.3 商家如何從購物車中找出關聯
5.4 關聯規則演算法運作
5.5 了解分析過程後的管理意涵
Chapter 6 看看關聯的結果
6.1 跑一次看看
6.2 另一案例
6.3 結果應用
Chapter 7 決策樹
7.1 如何知道公司資料中的消費者會不會再來購物
7.2 決策樹怎麼來的
7.3 如何形成決策樹
7.4 算一次決策樹
7.5 驗證建好的決策樹
7.6 剪枝的概要說明
7.7 實務應用範例
Chapter 8 看看決策樹的結果
8.1 跑一次決策樹分析看看
8.2 如何解釋眼前生成的這棵樹
8.3 延伸應用
Chapter 9 隨機森林與最近鄰
9.1 隨機森林 - 把樹擴大了
9.2 隨機森林演算
9.3 最近鄰演算法（k nearest neighbor, kNN）
9.4 kNN 的實務應用
9.5 實務應用範例
Chapter 10 執行一下隨機森林吧
10.1 跑一次隨機森林演算法看看
10.2 結果解釋
Chapter 11 執行一下 kNN 吧
11.1 跑一次 kNN 演算法
11.2 結果解釋
Chapter 12 類神經
12.1 預測
12.2 預測的基本概念
12.3 類神經如何運作
12.4 類神經如何訓練
12.5 類神經背後原理
12.6 類神經應用範例
12.7 生成式人工智慧簡介
12.8 人工智慧生成句子推演過程
12.9 人工智慧的挑戰與未來發展
Chapter 13 執行類神經網路 ANN
13.1 淺談架構 ANN 分類器的概念
13.2 跑一次 ANN 演算法
13.3 結果解釋
Chapter 14 支援向量機
14.1 有效的分類客戶
14.2 支援向量機
14.3 人類是如何進行分類
14.4 電腦上的支援向量機如何分類
14.5 建立支援向量機模型
14.6 核函數算完後⋯⋯
14.7 應用產生的 SVM 模型來分類
14.8 支援向量機的實務應
Chapter 15 執行支援向量機 SVM
15.1 跑一次支援向量機算法
15.2 結果解釋
附錄A Colab 使用介紹 (電子書,請線上下載)
附錄B Python 基本模組套件引用介紹 (電子書,請線上下載)
附錄C 邏輯運算思維中必知語法：if 假如條件的判斷、for 重複工作的迴圈 (電子書,請線上下載)
Details
Review
0 ratings
1 stars
0%
2 stars
0%
3 stars
0%
4 stars
0%
5 stars
0%
Write a review
Product review was disabled
