|
|
Data Mining metodi informatici, statistici e applicazioni - seconda edizione
|
| Editore | Mc Graw Hill |
| Autore | Giudici Paolo |
| Collana | Workbooks |
| Pagine | 401 |
| Volumi | 1 |
| Livello | Intermedio-Avanzato |
| Lingua | Italiano |
| Data pubblicazione | 05 - 2005 |
| ISBN | 8838662312 |
|
|
| Prezzo di copertina |
| Euro 31,00 |
|
La crescente disponibilità di dati, spesso in forma non strutturata, nell’attuale società dell’informazione ha evidenziato la necessità di disporre di strumenti adeguati per la loro acquisizione e comprensione.
Il data mining si pone come uno degli strumenti privilegiati per estrarre conoscenze da questi dati. L’obiettivo del testo è quello di esporre analiticamente i principali metodi informatici e statistici utilizzati nel data mining al fine della loro successiva applicazione. Particolare attenzione è rivolta alle applicazioni economico-aziendali del data mining, illustrate attraverso sei casi reali che riguardano temi di particolare attualità, quali l’analisi degli scontrini di acquisto di un punto vendita (market basket analysis), la previsione delle sequenze di visita a un sito di e-commerce (web clickstream analysis), la segmentazione dei clienti aziendali (profiling), la valutazione statistica del rischio di credito (credit scoring), la previsione dei comportamenti di fedeltà e abbandono dei clienti (churn e retention) e, infine, la previsione dell’audience televisiva (media mining).
Con i casi studio, contenuti nella seconda parte del testo, il lettore potrà verificare sul campo quanto appreso, a livello teorico, nella prima parte.
Rivolto a studenti universitari, principalmente delle Facoltà di Economia, Ingegneria, Scienze dell’Informazione e Statistica, che abbiano preferibilmente seguito almeno un corso di basi di dati e/o di analisi statistica dei dati, il testo si rivolge anche a professionisti e specialisti aziendali particolarmente nelle aree Information technology, Marketing, Risk management).
L'autore
Paolo Giudici è professore ordinario di Statistica. È docente di Analisi dei dati, Statistica per le applicazioni aziendali e Data mining presso le Facoltà di Economia, di Ingegneria e l’Istituto Universitario di Studi Superiori (IUSS) dell’Università degli Studi di Pavia. È inoltre responsabile del laboratorio di data mining presso la stessa Università. |
|
|
|
