Name: Prévision des dépenses touristiques à partir de l'analyse des données (en Francés)
Price: 232.08 PEN
Availability: InStock
Author: Piña Miranda, Laura
ISBN: 9786206971665

portada Prévision des dépenses touristiques à partir de l'analyse des données (en Francés)

Formato

Libro Físico

Autor

Laura Piña Miranda

Editorial

Editions Notre Savoir

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.3 cm

Peso

0.10 kg.

ISBN13

9786206971665

Categorías

Gestión empresarial

Prévision des dépenses touristiques à partir de l'analyse des données (en Francés)

Laura Piña Miranda (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo

S/ 232,08

S/ 464,17

Ahorras: S/ 232,08

50% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Lunes 05 de Agosto y el Lunes 19 de Agosto.

Lo recibirás en cualquier lugar de Perú entre 2 y 5 días hábiles luego del envío.

Reseña del libro "Prévision des dépenses touristiques à partir de l'analyse des données (en Francés)"

El análisis de datos masivos, también denominado como "Big Data" se basa en almacenar y posteriormente cuantificar y procesar grandes cantidades de información con el objetivo de obtener tendencias y regularidades. En el campo económico, el análisis de datos permite entre otras cosas, analizar los factores de una actividad económica que más impactan en sus resultados. De esta forma es posible obtener predicciones con mayor grado de confianza del efecto de las diferentes decisiones comerciales posibles permitiendo optimizar el camino a seguir en busca del éxito comercial. Esto trae muchas veces, para las empresas que lo aplican, una ventaja competitiva respecto a las que no lo hacen. En este trabajo se tiene como objetivo crear modelos predictivos del gasto de un turista en España. Para esto se utilizaron los datos de la encuesta EGATUR, que es una base de datos que proporciona información detallada de los turistas que viajan a España. Los datos usados están comprendidos en un periodo de dos años. Y para el mismo se usaron los algoritmos de Regresión Lineal (LR), K vecinos más cercanos (KNN), Random Forest (RF), Máquina de vectores de soporte (SVM) y Aprendizaje Profundo (DL).