MARC details
| 000 -LEADER |
|---|
| campo de control de longitud fija |
04501cam a2200421 a 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
17591305 |
| 003 - IDENTIFICADOR DE NÚMERO DE CONTROL |
|---|
| campo de control |
BJBSDDR |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20230411090820.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA--CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| campo de control de longitud fija |
m |o d | |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
ta |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
130115s2013 nju o 001 0 eng |
| 010 ## - NÚMERO DE CONTROL DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de control de LC |
2013001926 |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9781118416853 (epub) |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9781118420621 (pdf) |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| ISBN cancelado o inválido |
9781118356852 (cloth) |
| 040 ## - FUENTE DE CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
DLC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
DLC |
| Centro/agencia modificador |
DLC |
| 041 ## - CÓDIGO DE IDIOMA |
|---|
| Código de lengua del texto/banda sonora o título independiente |
eng |
| 042 ## - CÓDIGO DE AUTENTICACIÓN |
|---|
| Código de autenticación |
pcc |
| 050 00 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
H61.4 |
| Número de ítem |
S571 2013 |
| 082 00 - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY |
|---|
| Número de clasificación |
303.49 |
| Número de edición |
23 |
| 100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Siegel, Eric, |
| Fechas asociadas al nombre |
1968- |
| 9 (RLIN) |
24764 |
| 245 10 - MENCIÓN DEL TÍTULO |
|---|
| Título |
Predictive analytics |
| Medio |
[electronic resource] : |
| Resto del título |
the power to predict who will click, buy, lie, or die / |
| Mención de responsabilidad, etc. |
Eric Siegel. |
| 260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC. |
|---|
| Lugar de publicación, distribución, etc. |
Hoboken, New Jersey : |
| Nombre del editor, distribuidor, etc. |
John Wiley & Sons, Inc., |
| Fecha de publicación, distribución, etc. |
c2013. |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
xvii, 302 p.: |
| Otras características físicas |
ill.; |
| Dimensiones |
24 cm |
| 500 ## - NOTA GENERAL |
|---|
| Nota general |
Includes index. |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Liftoff! prediction takes action : the stock market -- With power comes responsibility : HP, Target and the police deduce your secrets -- The data effect : blogger anxiety and the economy -- The machine that learns : Chase and mortgage risk. |
| 520 ## - RESUMEN, ETC. |
|---|
| Sumario, etc. |
You have been predicted -- by companies, governments, law enforcement, hospitals, and universities. Their computers say, "I knew you were going to do that!" These institutions are seizing upon the power to predict whether you're going to click, buy, lie, or die. Why? For good reason: predicting human behavior combats financial risk, fortifies healthcare, conquers spam, toughens crime fighting, and boosts sales. How? Prediction is powered by the world's most potent, booming unnatural resource: data. Accumulated in large part as the by-product of routine tasks, data is the unsalted, flavorless residue deposited en masse as organizations churn away. Surprise! This heap of refuse is a gold mine. Big data embodies an extraordinary wealth of experience from which to learn. Predictive analytics unleashes the power of data. With this technology, the computer literally learns from data how to predict the future behavior of individuals. Perfect prediction is not possible, but putting odds on the future -- lifting a bit of the fog off our hazy view of tomorrow -- means pay dirt. In this rich, entertaining primer, former Columbia University professor and Predictive Analytics World founder Eric Siegel reveals the power and perils of prediction: What type of mortgage risk Chase Bank predicted before the recession. Predicting which people will drop out of school, cancel a subscription, or get divorced before they are even aware of it themselves. Why early retirement decreases life expectancy and vegetarians miss fewer flights. Five reasons why organizations predict death, including one health insurance company. How U.S. Bank, European wireless carrier Telenor, and Obama's 2012 campaign calculated the way to most strongly influence each individual. How IBM's Watson computer used predictive modeling to answer questions and beat the human champs on TV's Jeopardy! How companies ascertain untold, private truths -- how Target figures out you're pregnant and Hewlett-Packard deduces you're about to quit your job. How judges and parole boards rely on crime-predicting computers to decide who stays in prison and who goes free. What's predicted by the BBC, Citibank, ConEd, Facebook, Ford, Google, IBM, the IRS, Match.com, MTV, Netflix, Pandora, PayPal, Pfizer, and Wikipedia. A truly omnipresent science, predictive analytics affects everyone, every day. Although largely unseen, it drives millions of decisions, determining whom to call, mail, investigate, incarcerate, set up on a date, or medicate. Predictive analytics transcends human perception. This book's final chapter answers the riddle: What often happens to you that cannot be witnessed, and that you can't even be sure has happened afterward -- but that can be predicted in advance? Whether you are a consumer of it -- or consumed by it -- get a handle on the power of Predictive Analytics<br/> |
| 588 ## - NOTA DE FUENTE DE LA DESCRIPCIÓN |
|---|
| Nota de fuente de la descripción |
Description based on print version record and CIP data provided by publisher. |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Social sciences |
| Subdivisión general |
Forecasting. |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Economic forecasting |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Prediction (Psychology) |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Social prediction. |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Human behavior. |
| 776 08 - ENTRADA DE FORMULARIO FÍSICO ADICIONAL |
|---|
| Información de relación |
Print version: |
| Encabezamiento principal |
Siegel, Eric. |
| Título |
Predictive analytics |
| Lugar, editor y fecha de publicación |
Hoboken, N.J. : Wiley, c2013 |
| Número Internacional Estándar del Libro |
9781118356852 |
| Número de control del registro |
(DLC) 2012047252 |
| 906 ## - ELEMENTOS DE DATOS F LOCAL, LDF (RLIN) |
|---|
| a |
7 |
| b |
cbc |
| c |
origcop |
| d |
1 |
| e |
ecip |
| f |
20 |
| g |
y-gencatlg |
| 942 ## - ELEMENTOS DE ENTRADA SECUNDARIOS (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Clasificación de Library of Congress |
| Tipo de ítem Koha |
Libro |
