Data Science für Unternehmen : Data Mining und datenanalytisches Denken praktisch anwenden

Bibliographische Detailangaben

Titel
Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden
verantwortlich
Provost, Foster (VerfasserIn); Fawcett, Tom (Sonstige); Lorenzen, Knut (Sonstige)
Werktitel
Data science for business
Ausgabe
1. Auflage
veröffentlicht
Frechen: mitp-Verlag, 2017
Erscheinungsjahr
2017
Teil von
mitp Business
Erscheint auch als
Provost, Foster, 1964 - , Data Science für Unternehmen, 1. Auflage, Frechen : mitp Verlags GmbH & Co. KG, 2017, 431 Seiten
Andere Ausgaben
Data Science für Unternehmen: Data Mining und datenanalytisches Denken praktisch anwenden
Medientyp
E-Book
Datenquelle
K10plus Verbundkatalog
Tags
Tag hinzufügen

Zugang

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

Zusammenfassung
Die grundlegenden Konzepte der Data Science verstehen, Wissen aus Daten ziehen und für Vorhersagen und Entscheidungen nutzen Die wichtigsten Data-Mining-Verfahren gezielt und gewinnbringend einsetzen Zahlreiche Praxisbeispiele zur Veranschaulichung Die anerkannten Data-Science-Experten Foster Provost und Tom Fawcett stellen in diesem Buch die grundlegenden Konzepte der Data Science vor, die für den effektiven Einsatz im Unternehmen von Bedeutung sind. Sie erläutern das datenanalytische Denken, das erforderlich ist, damit Sie aus Ihren gesammelten Daten nützliches Wissen und geschäftlichen Nutzen ziehen können. Sie erfahren detailliert, welche Methoden der Data Science zu hilfreichen Erkenntnissen führen, so dass auf dieser Grundlage wichtige Entscheidungsfindungen unterstützt werden können. Dieser Leitfaden hilft Ihnen dabei, die vielen zurzeit gebräuchlichen Data-Mining-Verfahren zu verstehen und gezielt und gewinnbringend anzuwenden. Sie lernen u.a., wie Sie: Data Science in Ihrem Unternehmen nutzen und damit Wettbewerbsvorteile erzielen Daten als ein strategisches Gut behandeln, in das investiert werden muss, um echten Nutzen daraus zu ziehen Geschäftliche Aufgaben datenanalytisch angehen und den Data-Mining-Prozess nutzen, um auf effiziente Weise sinnvolle Daten zu sammeln Das Buch beruht auf einem Kurs für Betriebswirtschaftler, den Provost seit rund zehn Jahren an der New York University unterrichtet, und nutzt viele Beispiele aus der Praxis, um die Konzepte zu veranschaulichen. Das Buch richtet sich an Führungskräfte und Projektmanager, die Data-Science-orientierte Projekte managen, an Entwickler, die Data-Science-Lösungen implementieren sowie an alle angehenden Data Scientists und Studenten. Aus dem Inhalt: Datenanalytisches Denken lernen Der Data-Mining-Prozess Überwachtes und unüberwachtes Data Mining Einführung in die Vorhersagemodellbildung: von der Korrelation zur überwachten Segmentierung Anhand der Daten optimale Modellparameter finden mit Verfahren wie lineare und logistische Regression sowie Support Vector Machines Prinzip und Berechnung der Ähnlichkeit Nächste-Nachbarn-Methoden und Clustering Entscheidungsanalyse I: Was ist ein gutes Modell Visualisierung der Leistung von Modellen Evidenz und Wahrscheinlichkeiten Texte repräsentieren und auswerten Entscheidungsanalyse II: Analytisches Engineering Data Science und Geschäftsstrategie
Umfang
1 Online-Ressource (431 Seiten); Illustrationen, Diagramme, Karten
Sprache
Deutsch, Englisch
Schlagworte
Unternehmen > Datenmanagement > Data Mining > Datenanalyse
RVK-Notation
  • Wirtschaftswissenschaften
    • Mathematik. Statistik. Ökonometrie. Unternehmensforschung
      • Statistik
        • Theoretische Statistik
          • Explorative Datenanalyse / Verfahren
  • Wirtschaftswissenschaften
    • Allgemeine Betriebswirtschaftslehre
      • Unternehmensführung
        • Organisation
          • Informationswesen. Informationssysteme
  • Informatik
    • Monografien
      • Einzelne Anwendungen der Datenverarbeitung
        • Datenverarbeitung in Anwendungsgebieten
          • Wirtschaftswissenschaften
  • Informatik
    • Monografien
      • Einzelne Anwendungen der Datenverarbeitung
        • Wirtschaftsinformatik
          • Data-warehouse-Konzept; Data mining
BK-Notation
85.20 Betriebliche Information und Kommunikation
54.72 Künstliche Intelligenz
DDC-Notation
658.403802856312 ; 004 ; 650
ISBN
9783958455474
9783958455481