MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
03003nam a2200301Ia 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
1581 |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
230305s2013 xx 000 0 und d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9781449361327 |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro/agencia transcriptor |
TBS |
| 041 ## - CÓDIGO DE LENGUA |
|---|
| Código de lengua del texto/banda sonora o título independiente |
eng |
| 245 #0 - MENCIÓN DE TÍTULO |
|---|
| Título |
Data science for business |
| Resto del título |
: what you need to know about data mining and data-analytic thinking |
| Mención de responsabilidad, etc. |
/ Foster Provost and Tom Fawcett. |
| 246 ## - FORMA VARIANTE DE TÍTULO |
|---|
| Título propio/Titulo breve |
Data science for business |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
First edition. |
| 260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC. |
|---|
| Nombre del editor, distribuidor, etc. |
Sebastopol, California : O'Reilly, 2013. |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
xxi, 386 pages : illustrations ; 23 cm. |
| 505 ## - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Introduction : data-analytic thinking Business problems and data science solutions — Introduction to predictive modeling : from correlation to supervised segmentation — Fitting a model to data — Overfitting and its avoidance — Similarity, neighbors, and clusters — Decision analytic thinking I : what is a good model? — Visualizing model performance — Evidence and probabilities — Representing and mining text — Decision analytic thinking II : toward analytical engineering — Other data science tasks and techniques — Data science and business strategy — Conclusion. |
| 520 ## - SUMARIO, ETC. |
|---|
| Sumario, etc. |
Written by renowned data science experts Foster Provost and Tom Fawcett, Data Science for Business introduces the fundamental principles of data science, and walks you through the "data-analytic thinking" necessary for extracting useful knowledge and business value from the data you collect. This guide also helps you understand the many data-mining techniques in use today. Based on an MBA course Provost has taught at New York University over the past ten years, Data Science for Business provides examples of real-world business problems to illustrate these principles. You’ll not only learn how to improve communication between business stakeholders and data scientists, but also how participate intelligently in your company’s data science projects. You’ll also discover how to think data-analytically, and fully appreciate how data science methods can support business decision-making. Understand how data science fits in your organization—and how you can use it for competitive advantage Treat data as a business asset that requires careful investment if you’re to gain real value. Approach business problems data-analytically, using the data-mining process to gather good data in the most appropriate way Learn general concepts for actually extracting knowledge from data. Apply data science principles when interviewing data science job candidates. |
| 590 ## - NOTA LOCAL (RLIN) |
|---|
| Procedencia (VM) [OBSOLETO] |
Includes bibliographical references (pages 361-368) and index. |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Data mining |
| 9 (RLIN) |
7979 |
| 650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Big data |
| 9 (RLIN) |
5432 |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Information science |
| 9 (RLIN) |
8192 |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Business |
| Subdivisión general |
Data processing |
| 9 (RLIN) |
7722 |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Commerce |
| 9 (RLIN) |
3749 |
| 653 ## - TÉRMINO DE INDIZACIÓN--NO CONTROLADO |
|---|
| Término no controlado |
Bibliography B2 PBT Principles of Programming |
| 700 ## - ENTRADA AGREGADA--NOMBRE PERSONAL |
|---|
| Nombre de persona |
Provost, Foster |
| Término indicativo de función/relación |
author |
| 9 (RLIN) |
8195 |
| 700 ## - ENTRADA AGREGADA--NOMBRE PERSONAL |
|---|
| Nombre de persona |
Fawcett, Tom |
| Término indicativo de función/relación |
author |
| 9 (RLIN) |
8194 |
| 942 ## - ELEMENTOS DE ENTRADA AGREGADA (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Clasificación de Library of Congress |
