KNIME视觉化数据分析

9.5（机器学习的）集成部署（Integrated Deployment）

9.4 扩展开发介绍

9.3 时间序列分析介绍

9.2 深度学习介绍

9.1 可复现性与测试

第9章 高级话题

8.5 Python相关节点

8.4 Java相关节点

8.3 生成报告

8.2 模块化

8.1 数据可视化

第8章 进阶话题——数据可视化、模块化与编程节点

7.4 错误处理

7.3 分支（Switches）结构

7.2 循环（Loop）结构

7.1 流变量从入门到精通

第7章 进阶话题——流变量与控制循环结构

6.4 简单的机器学习练习——使用KNIME中的决策树算法

6.3 探索性数据分析（EDA）练习

6.2 Analytics节点集合

6.1 机器学习简述

第6章 KNIME基础节点——分析和数据挖掘类型

5.5 时间数据类型相关操作

5.4 PMML节点集合

5.3 Table（表）处理节点集合

5.2 Row（行）处理节点集合

5.1 Column（列）处理节点集合

第5章 KNIME基础节点——转换类型

4.6 网络数据访问

4.5 NoSQL相关节点

4.4 Web相关节点

4.3 JSON、XML类型

4.2 DB节点集合

4.1 IO节点集合

第4章 KNIME基础节点——数据访问类型

3.6 了解KNIME中的重要概念

3.5 基础操作之CASE、group by和join

3.4 基础操作之挑选（select）操作

3.3 基础操作之读取数据源

3.2 计算机如何处理表格数据

3.1 数据来源及轮廓

第3章 KNIME数据分析基础

2.5 遇到问题怎么办

2.4 KNIME的使用

2.3 安装KNIME及其扩展

2.2 KNIME简介、生态圈和资源

2.1 权衡数据分析的需求与解决方案

第2章 KNIME使用基础

1.3 后续内容

1.2 方法论

1.1 基本要求与基础概念

第1章 数据分析方法论

自序

内容简介

作者简介

版权信息

封面

封面

版权信息

作者简介

内容简介

自序

第1章 数据分析方法论

1.1 基本要求与基础概念

1.2 方法论

1.3 后续内容

第2章 KNIME使用基础

2.1 权衡数据分析的需求与解决方案

2.2 KNIME简介、生态圈和资源

2.3 安装KNIME及其扩展

2.4 KNIME的使用

2.5 遇到问题怎么办

第3章 KNIME数据分析基础

3.1 数据来源及轮廓

3.2 计算机如何处理表格数据

3.3 基础操作之读取数据源

3.4 基础操作之挑选（select）操作

3.5 基础操作之CASE、group by和join

3.6 了解KNIME中的重要概念

第4章 KNIME基础节点——数据访问类型

4.1 IO节点集合

4.2 DB节点集合

4.3 JSON、XML类型

4.4 Web相关节点

4.5 NoSQL相关节点

4.6 网络数据访问

第5章 KNIME基础节点——转换类型

5.1 Column（列）处理节点集合

5.2 Row（行）处理节点集合

5.3 Table（表）处理节点集合

5.4 PMML节点集合

5.5 时间数据类型相关操作

第6章 KNIME基础节点——分析和数据挖掘类型

6.1 机器学习简述

6.2 Analytics节点集合

6.3 探索性数据分析（EDA）练习

6.4 简单的机器学习练习——使用KNIME中的决策树算法

第7章 进阶话题——流变量与控制循环结构

7.1 流变量从入门到精通

7.2 循环（Loop）结构

7.3 分支（Switches）结构

7.4 错误处理

第8章 进阶话题——数据可视化、模块化与编程节点

8.1 数据可视化

8.2 模块化

8.3 生成报告

8.4 Java相关节点

8.5 Python相关节点

第9章 高级话题

9.1 可复现性与测试

9.2 深度学习介绍

9.3 时间序列分析介绍

9.4 扩展开发介绍

9.5（机器学习的）集成部署（Integrated Deployment）