《SAS+R大資料行業應用案例分析：運用預測模型和機器學習技術/大資料應用與技術叢書》通過使用SAS和R分析語言實現預測模型和機器學習技術，檢測業務問題並使用實用的分析方法來解決問題。
　　
對於那些精通編寫代碼並對統計有基本瞭解，但在實現預測模型和分析真實世界資料的機器學習技術方面經驗有限的讀者來說，《SAS+R大資料行業應用案例分析：運用預測模型和機器學習技術/大資料應用與技術叢書》是理想的選擇。解決各行業問題具挑戰性的部分是建立和部署先進的預測模型和機器學習演算法的理論和實踐知識。
　　
《SAS+R大資料行業應用案例分析：運用預測模型和機器學習技術/大資料應用與技術叢書》通過提高讀者的分析技能來解決這些行業問題。
　　
《SAS+R大資料行業應用案例分析：運用預測模型和機器學習技術/大資料應用與技術叢書》內容：
理解分析和基本的資料概念
使用分析方法解決各行業問題
利用機器學習技術建立預測模型
創建和應用分析策略
 
讀者對象：
資料科學家、開發人員、統計學家、工程師和對資料和統計有深刻理論理解的研究生，他們希望通過在資料建模中獲得實踐經驗來提高自己的技能，創建和應用分析策略。

Deepti Gupta，於2010年完成了運營研究中Finance & PGPM的MBA學位。她曾在畢馬威和IBM私人有限公司擔任資料科學工作者，目前為資料科學自由職業者。Deepti在預測性建模和機器學習方面具備豐富的經驗，具有使用SAS和R的專業知識。Deepti制定了資料科學課程，提供資料科學培訓，在企業和學術機構舉辦研討會。她撰寫了多篇博客和多本白皮書。Deepti熱衷於指導新資料科學工作者。

第1章 各行業中的資料分析及其應用
1．1 資料分析是什麼
1．1．1 資料獲取
1．1．2 數據準備
1．1．3 資料分析
1．1．4 模型建立
1．1．5 結果
1．1．6 投入使用
1．2 分析的類型
1．3 瞭解資料及其類型
1．4 什麼是大資料分析
1．4．1 大資料分析的挑戰
1．4．2 資料分析和大資料工具
1，4．3 在各種行業中資料分析的作用
1．4．4 誰是分析競爭者
1．5 不同行業中的關鍵模型及其應用
1．6 小結

第2章 銀行業案例分析
2．1 在銀行部門中分析的應用
2．1．1 通過交叉銷售和向上銷售增加利潤
2．1．2 最大限度地減少客戶流失
2．1．3 增加獲取客戶的能力
2．1．4 預測銀行貸款違約
2．1．5 預測欺詐活動
2．2 案例分析：使用邏輯回歸模型預測銀行貸款違約
2．2．1 邏輯回歸方程
2．2．2 概率
2．2．3 邏輯回歸曲線
2．2．4 邏輯回歸假設
2．3 在邏輯回歸模型中的各個引數統計檢驗
2．3．1 邏輯回歸
2．3．2 在邏輯回歸模型中預測值的驗證
2．4 基於R的邏輯回歸模型
2．4．1 關於資料
2．4．2 執行資料探索
2．4．3 完全資料的建模與解釋
2．4．4 訓練資料和測試資料的模型構建及其解釋
2．4．5 預測值驗證
2．5 基於SAS的邏輯回歸模型
2．6 小結
……

第3章 零售業案例分析
第4章 電信案例分析
第5章 醫療行業案例分析
第6章 航空公司案例分析
第7章 快速消費品案例分析