《大数据挖掘与机器学习：工业4.0时代重塑商业价值》分为3个部分，共17章。第Ⅰ部分“计算环境”，包括第1章到第3章。第Ⅱ部分“将数据转化为商业价值”，包括第4章到第10章。这一部分聚焦于数据挖掘活动中所要用到的方法、算法和路径。第Ⅲ部分“将其全部结合起来的成功案例”包括第11章到第17章。本部分主要描述了作者参与过的成功应用大数据分析优化企业决策、提高企业价值的公司案例。
《大数据挖掘与机器学习：工业4.0时代重塑商业价值》可作为企业管理人员、营销主管、分析人员、IT人员等作为理解大数据、应用大数据为企业创造价值的指引，同时，本书也可供统计学、应用数学及计算机专业学者和研究人员参考学习。
在今天的商业环境中，无穷无尽的大数据潮流经常影响着重要的决策流程。为了保持和延续业务盈利，利用大数据的能力势在必行。但是，只是获得数据和具有处理能力并不足以得到有意义的结果。 《大数据挖掘与机器学习》为市场营销主管、商业领袖和技术专家提供一套综合手段，使其能开发出不断产生有效结果并提高利润率的战略和方法，并且能将这些战略和方法贯彻实施下去。在本书中，Jared Dean对大数据分析现状以及日益提升的高性能计算体系结构的趋势进行深入浅出的回顾。《大数据挖掘与机器学习》明确地展示了如何利用大数据分析促进积极改变并且驱动效率。 Jared Dean循序渐进地揭示了如何应用技术创建数据挖掘、机器学习及大数据处理的分析环境。该作者还探索权衡了不同技术选择的结果。《大数据挖掘与机器学习》囊括了能够加以应用从被挖掘的数据中获取信息的算法和方法，并提供了对如何有效地应用这些方法的解释。本书还提供了许多案例研究的说明，给出了许多已经成功应用了新的技术和算法来建立其竞争优势的组织的例子。作者还对预测建模和如何应用这些工具于决策流程进行了讨论。 对任何希望获得数据分析能力的组织，这本重要的书都可以作为理解大数据基本技术和大数据分析的关键指引。现在你可以充满自信地掌控你所在组织的大数据分析，创造出能够一击即中的结果。
Jared Dean（杰瑞德·迪安）是SAS研究院的研发高级总监。他负责SAS全球数据挖掘解决方案的开发。这包括客户互动、新功能开发、技术支持、销售支持和产品集成。在加入SAS之前，Dean是美国人口调查局的数学统计学家。
1 概述
大数据大事年表
为何这个主题现在很重要
大数据是否只是一时的狂热？
在何处应用大数据会产生重大影响？
21 第Ⅰ部分 计算环境
23 第1章 硬件
1.1 存储器（磁盘）
1.2 中央处理器
1.3 内存
1.4 网络
31 第2章 分布式系统
2.1 数据库计算
2.2 文件系统计算
2.3 考虑因素
37 第3章 分析工具
3.1 Weka
3.2 Java和JVM语音
3.3 R语言
3.4 Python
3.5 SAS
47 第Ⅱ部分 将数据转化为商业价值
49 第4章 预测建模
4.1 一个建模方法
4.2 sEMMA
4.3 二元分类法
4.4 多层分类法
4.5 区间预测
4.6 预测模型评估
63 第5章 一般预测建模技术
5.1 RFM
5.2 回归
5.3 广义线性模型
5.4 神经网络
5.5 决策树和回归树
5.6 支持向量机
5.7 贝叶斯网络分类方法
5.8 组合方法
117 第6章 细分
6.1 聚类分析
6.2 距离测度（指标）
6.3 聚类评估
6.4 聚类数量
6.5 K-means算法
6.6 分层聚类法
6.7 群特征刻画
129 第7章 增量响应建模
7.1 建立响应模型
7.2 评估增量响应
137 第8章 时间序列数据挖掘
8.1 降维
8.2 探查模式
8.3 时间序列数据挖掘的应用：Nike+Fuelband智能手环
149 第9章 推荐系统
9.1 何为推荐系统？
9.2 应用于何处？
9.3 如何起作用？
9.4 推荐质量评估
9.5 推荐系统的应用：SAS 图书馆
161 第10章 文本分析
10.1 信息检索
10.2 内容分类
10.3 文本挖掘
10.4 文本分析应用：让我们来玩《危险边缘》（Jeopardy！）
177 第Ⅲ部分 将其全都结合起来的成功案例
179 第11章 基于某大型美国金融服务公司的案例研究
11.1 传统市场营销活动流程
11.2 高效的营销解决方案
11.3 变革的价值主张
187 第12章 主要卫生保健提供者的案例研究
12.1 CAHPS
12.2 HEDIS
12.3 HOS
12.4 IRE
197 第13章 技术制造商案例研究
13.1 发现设备缺陷
13.2 如何降低成本
201 第14章 在线品牌管理的案例研究
205 第15章 移动应用推荐的案例研究
209 第16章 高科技产品制造商的案例研究
16.1 处理缺失数据
16.2 超越生产的应用
213 第17章 展望未来
17.1 重复性研究
17.2 隐私与公共数据集
17.3 物联网
17.4 未来的软件开发
17.5 未来算法开发
17.6 总结
221 关于作者
223 附录
225 参考文献
231 译者后记
新书资讯