Data Science - was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt

Bibliographische Detailangaben

Titel
Data Science - was ist das eigentlich?! Algorithmen des maschinellen Lernens verständlich erklärt
verantwortlich
Ng, Annalyn (VerfasserIn); Soo, Kenneth (VerfasserIn); Delbrück, Matthias (ÜbersetzerIn)
Werktitel
Numsense! Data science for the layman
veröffentlicht
Berlin, [Heidelberg]: Springer, [2018]
© 2018
Reproduktion. :
Erscheinungsjahr
2018
Teil von
SpringerLink
Teil von
Springer eBook Collection
Erscheint auch als
Ng, Annalyn, Data Science - was ist das eigentlich?!, Berlin : Springer, 2018, XXI, 179 Seiten
Andere Ausgaben
Data Science - was ist das eigentlich?!: Algorithmen des maschinellen Lernens verständlich erklärt
Medientyp
E-Book
Datenquelle
K10plus Verbundkatalog
Tags
Tag hinzufügen

Zugang

Weitere Informationen sehen Sie, wenn Sie angemeldet sind. Noch keinen Account? Jetzt registrieren.

Zusammenfassung
Sie möchten endlich wissen, was sich hinter Schlagworten wie „Data Science“ und „Machine Learning“ eigentlich verbirgt - und was man alles damit anstellen kann? Auf allzu viel Mathematik würden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlüsselkonzepte der Datenwissenschaft und ihrer Algorithmen - und zwar ohne Sie mit mathematischen Formeln und Details zu belasten! Der Fokus liegt - nach einer übergeordneten Einführung - auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erläutert und mit einem leicht verständlichen, realen Anwendungsbeispiel verknüpft. Die Kombination aus intuitiven Erklärungen und zahlreichen Abbildungen ermöglicht dabei ein grundlegendes Verständnis, das ohne mathematische Formelsprache auskommt. Abschließend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt. Das Buch beschreibt die Schlüsselalgorithmen der Datenwissenschaften bildlich und eingängig. Eine nützliche Einführung für Anfänger, ein guter Überblick für Geschäftsleute, die mit Analysten zusammenarbeiten, oder einfach ein anregendes Lesevergnügen für alle, die wissen wollen, was mit ihren Daten geschieht. Dr. David Stillwell, stellvertretender Direktor des Psychometrics Centre an der University of Cambridge Dank der exzellent veranschaulichten Konzepte konnten unsere Studenten aus den nicht-technischen Fächern die abstrakten Ideen des maschinellen Lernens ganz intuitiv verstehen. Ethan Chan, Big-Data-Dozent, Stanford University
Das Wichtigste in Kürze … -- k-Means-Clustering -- Hauptkomponentenanalyse -- Assoziationsanalyse -- Soziale Netzwerkanalyse -- Regressionsanalyse -- k-nächste Nachbarn und Ausreißererkennung -- Support-Vektor-Maschine -- Entscheidungsbaum -- Random Forests -- Neuronale Netze -- A/B-Tests und vielarmige Banditen -- Anhang
Umfang
Online-Ressource (XXI, 179 Seiten); Illustrationen
Sprache
Deutsch
Schlagworte
Datenaufbereitung > Mustererkennung > Prognose > Maschinelles Lernen > Datenanalyse > Algorithmus
RVK-Notation
  • Informatik
    • Monografien
      • Künstliche Intelligenz
        • Expertensysteme; Wissensbasierte Systeme
  • Informatik
    • Monografien
      • Software und -entwicklung
        • Datenbanken, Datenbanksysteme, Data base management, Informationssysteme
          • Einzelne Datenbanksprachen und Datenbanksysteme (A-Z)
BK-Notation
54.72 Künstliche Intelligenz
DDC-Notation
519.5
ISBN
9783662567760
DOI
10.1007/978-3-662-56776-0