Daten im Kampf gegen Kundenabwanderung. Analytik, Datensätze, Metriken und Segmentierung
A

Daten im Kampf gegen Kundenabwanderung. Analytik, Datensätze, Metriken und Segmentierung

Maschinelles Lernen
customer churn data analytics machine learning customer segmentation predictive modeling business intelligence data science
Autor
Karl Gold
Verlag
Eksmo
Jahr
2025
Sprache
Russisch
139
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Theoretisches Minimum zu Big Data. Alles, was Sie über Big Data wissen müssen.

Theoretisches Minimum zu Big Data. Alles, was Sie über Big Data wissen müssen.

In Annaleen, Su Kenneth

Praktische Datenanalyse. Datenerfassung, -verarbeitung und -visualisierung mit Python

Praktische Datenanalyse. Datenerfassung, -verarbeitung und -visualisierung mit Python

Igorj Semitschew

Analytische Kultur. Von der Datenerhebung zu Geschäftsergebnissen

Analytische Kultur. Von der Datenerhebung zu Geschäftsergebnissen

Karl Anderson

Data Science. Insiderwissen für Anfänger. Inklusive der Sprache R.

Data Science. Insiderwissen für Anfänger. Inklusive der Sprache R.

Katie O’Neil, Rachel Schutt

Datenanalyse in Wissenschaft und Technik. Maschinelles Lernen, dynamische Systeme und Steuerung

Datenanalyse in Wissenschaft und Technik. Maschinelles Lernen, dynamische Systeme und Steuerung

Stephen L. Branton, J. Nathan Kutz

Entwicklung intelligenter Systeme. Einführung in die Technologie des maschinellen Lernens.

Entwicklung intelligenter Systeme. Einführung in die Technologie des maschinellen Lernens.

Jeff Hulten

Praktische Statistik für Data-Science-Experten: 50+ wesentliche Konzepte mit R und Python

Praktische Statistik für Data-Science-Experten: 50+ wesentliche Konzepte mit R und Python

Peter Bruce, Andrew Bruce, Peter Gedeck

Technologien für Datenbankdesign

Technologien für Datenbankdesign

D. L. Ossipow

Big Data auf Kubernetes: Ein praktischer Leitfaden für effektive und skalierbare Datenlösungen

Big Data auf Kubernetes: Ein praktischer Leitfaden für effektive und skalierbare Datenlösungen

Neilson Krepalde

Data Science: Probleme und Lösungen

Data Science: Probleme und Lösungen

A.S. Vatyan, N.F. Gusarova, N.V. Dobreko