จำนวนชิ้น | ส่วนลดต่อชิ้น | ราคาสุทธิต่อชิ้น |
{{(typeof focus_pdata.price_list[idx+1] == 'undefined')?('≥ '+price_row.min_quantity):((price_row.min_quantity < (focus_pdata.price_list[idx+1].min_quantity - 1))?(price_row.min_quantity+' - '+(focus_pdata.price_list[idx+1].min_quantity - 1)):price_row.min_quantity)}} | {{number_format(((focus_pdata.price_old === null)?focus_pdata.price:focus_pdata.price_old) - price_row.price,2)}} บาท | {{number_format(price_row.price,2)}} บาท |
คงเหลือ | 9 เล่ม |
จำนวน (เล่ม) |
- +
|
ซื้อเลย หยิบลงตะกร้า ซื้อเลย หยิบลงตะกร้า คุณมีสินค้าชิ้นนี้ในตะกร้า 0 เล่ม
|
|
|
|
คุยกับร้านค้า | |
{{ size_chart_name }} |
|
หมวดหมู่ | Computer & Programing |
สภาพ | สินค้าใหม่ |
เพิ่มเติม | |
สภาพ | สินค้ามือสอง |
เกรด | |
สถานะสินค้า | |
ระยะเวลาจัดเตรียมสินค้า | |
เข้าร่วมโปรโมชั่น | |
ไฮไลท์ |
เอาตัวรอดอย่างไรในโลก Digital Disruption?
สำนวนที่เรามักจะได้ยินคนในแวดวงนักธุรกิจพูดกันบ่อยๆ ว่า “ปลาใหญ่กินปลาเล็ก” แต่วันนี้เราต้องเปลี่ยนสำนวนเสียใหม่ว่า “ปลาเร็วกินปลาช้า” เพราะหากวันนี้ธุรกิจของคุณ
ยังคงใช้การตัดสินใจ โดยการวิเคราะห์จากรายงานสรุป (Report) ที่มีมนุษย์จัดทำขึ้นตามรอบการประชุม หรือยังคงพัฒนาสินค้าหรือบริการเพื่อตอบสนองความต้องการของลูกค้ากลุ่มเดิมไปเรื่อยๆ แล้วล่ะก็ คุณก็กำลังสูญเสียความได้เปรียบในการแข่งขัน (Competitive Advantage) ที่อาจถึงขั้นถูกกำจัดออกไปเมื่อไรก็ได้
เพราะธุรกิจยุคใหม่ในทุกวันนี้ มุ่งเน้นการเรียนรู้ที่จะสร้างระบบช่วยในการตัดสินใจ (Decision) และพยากรณ์อนาคต (Prediction) โดยอาศัยข้อมูลระดับ Big Data ที่ถือเป็นปัจจัยสำคัญในการสร้าง “การเรียนรู้ของเครื่อง (Machine Learning: ML)” ซึ่งจะช่วยให้ “ปัญญาประดิษฐ์ (Artificial Intelligent: AI)” ทรงภูมิปัญญาอย่างแท้จริง
โดย ML ก็คือ ระบบที่ถูกสร้างขึ้นมาให้สามารถเรียนรู้ข้อมูลได้อย่างมีประสิทธิภาพโดยที่ไม่จำเป็นต้องมีมนุษย์เข้าไปเกี่ยวข้อง ถูกนำมาใช้เพื่อการวิเคราะห์ข้อมูล (Data Analytics) การคาดการณ์อนาคต (Forecasts) เพื่อสนับสนุนการตัดสินใจหรือการตัดสินใจอัตโนมัติ (Support for Decisions & Automated Decisions)
รายละเอียดหนังสือ Big data เล่มนี้
1. ผู้เขียนมีประสบการณ์ในการสอนในคณะวิศวกรรมศาสตร์และเป็นที่ปรึกษาบริษัทเอกชนมากกว่า 15 ปี
2. มีใบ CERTIFICATES ว่าเป็นผู้เชี่ยวชาญด้านซอฟต์แวร์ RapidMiner Analyst
3. เนื้อหา for Everyone อ่านง่ายสำหรับทุกคนที่อยากรู้เรื่อง Big Data & Analytics
|
ข้อมูล |
น้ำหนัก
บาร์โค้ด
ลงสินค้า
อัพเดทล่าสุด
|
รายละเอียดสินค้า |
ข้อมูลสินค้า
ISBN :9786164871380
Barcode :9786164871380
ขนาดหนังสือ :17 x 22.86 ซม.
ความหนาสินค้า :0.8 ซม.
น้ำหนัก :326 กรัม
จำนวนหน้า :152 หน้า
วันวางจำหน่าย :23/07/63
นักเขียน :ดร.เอกสิทธิ์ พัชรวงศ์ศักดา
บรรณาธิการ :ภีรพล คชาเจริญ
สารบัญ
CHAPTER 1 ยุคของการล้มกระดาน (TIME TO DISRUPT!)
เมื่อธุรกิจถูกบังคับให้ต้องเปลี่ยนทิศทาง
เอาตัวรอดอย่างไรในโลก Digital Disruption?
เส้นทางใหม่สู่อนาคต (Building New Pathways to the Future)
CHAPTER 2บิ๊กดาต้าและการวิเคราะห์ (BIG DATA & ANALYTICS)
Big Data & Analytics: Finance and Banking Use Cases
Big Data & Analytics: Telecommunication Use Cases
Big Data & Analytics: Retail Use Cases
Big Data & Analytics: Healthcare Use Cases
Big Data & Analytics: Agriculture Use Cases
Big Data & Analytics: Entertainment Use Cases
Big Data & Analytics: Real Estate Use Cases
CHAPTER 3 ข้อมูล (DATA)
Analytics เพื่อหา Insights กับการตลาดยุค Big Data
ข้อมูลกับการแบ่งประเภท (Data Types)
ประเภทข้อมูลแบ่งตามแหล่งที่มา (Types of Data Sources)
ประเภทข้อมูลแบ่งตามลักษณะบุคคล (Type of Data Personalization)
CHAPTER 4 เทคโนโลยีบิ๊กดาต้า (BIG DATA TECHNOLOGY)
ก้าวออกจากปัญหาด้วย Smart Tech
Database Management: แนวคิดและการออกแบบ
เทคโนโลยีที่เกิดมาเพื่อ BIG DATA
Scaling out
Hadoop
Hive
Spark
NoSQL
Data Lake
CHAPTER 5 การวิเคราะห์ข้อมูล (DATA ANALYTICS)
Big Data & Analytics ช่วยพลิกธุรกิจอย่างไร
ก้าวใหม่ของการวิเคราะห์ข้อมูล (The Progression of Analytics)
Timeline การวิเคราะห์ข้อมูลในทางธุรกิจ
การเรียนรู้ของเครื่อง (Machine Learning)
การหาความสัมพันธ์ (Association)
ระบบแนะนำ (Recommendation System)
การแบ่งกลุ่มข้อมูล (Segment and Clustering)
การจำแนกประเภทของข้อมูล (Classification)
การทดสอบประสิทธิภาพของโมเดล
การวิเคราะห์ข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data Analytics)
CHAPTER 6 กระบวนการวิเคราะห์ข้อมูลและกรณีศึกษา (DATA ANALYTICS PROCESS & CASE STUDY)
การใช้ Data Analytics เพื่อยกระดับธุรกิจสู่ Business Intelligence
การวิเคราะห์ข้อมูลด้วย Data Mining
กระบวนการวิเคราะห์ข้อมูลแบบ CRISP-DM
ขั้นตอนการทำ CRISP-DM Process
สิ่งที่ต้องพึงระวังในการทำ CRISP-DM Process
Case Study: การประยุกต์ใช้ Data Analytics กับธุรกิจ E-Commerce
ตัวอย่างการทำ Analytics ด้วย CRISP-DM Process
บทสรุปเรื่อง Big Data และ Analytics
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() |
เงื่อนไขอื่นๆ |
|
Tags |