|
|
|
|
| LEADER |
07481cam a2200805 4500 |
| 001 |
183-1668498979 |
| 003 |
DE-627 |
| 005 |
20240422130425.0 |
| 007 |
cr uuu---uuuuu |
| 008 |
190606s2017 xx |||||o 00| ||ger c |
| 020 |
|
|
|a 9783958455474
|c PDF
|9 978-3-95845-547-4
|
| 020 |
|
|
|a 9783958455481
|9 978-3-95845-548-1
|
| 035 |
|
|
|a (DE-627)1668498979
|
| 035 |
|
|
|a (DE-599)KEP04404545X
|
| 035 |
|
|
|a (PRE)5c858649-288c-4beb-adf2-6037b0dd2d03
|
| 035 |
|
|
|a (EBP)04404545X
|
| 040 |
|
|
|a DE-627
|b ger
|c DE-627
|e rda
|
| 041 |
|
|
|a ger
|h eng
|
| 082 |
0 |
|
|a 658.403802856312
|q SEPA
|2 22/ger
|
| 082 |
0 |
4 |
|a 004
|q SEPA
|
| 082 |
0 |
4 |
|a 650
|a 004
|q SEPA
|
| 084 |
|
|
|a QH 232
|2 rvk
|0 (DE-625)rvk/141547:
|
| 084 |
|
|
|a QP 345
|2 rvk
|0 (DE-625)rvk/141866:
|
| 084 |
|
|
|a ST 610
|2 rvk
|0 (DE-625)rvk/143683:
|
| 084 |
|
|
|a ST 530
|2 rvk
|0 (DE-625)rvk/143679:
|
| 084 |
|
|
|a 85.20
|2 bkl
|
| 084 |
|
|
|a 54.72
|2 bkl
|
| 100 |
1 |
|
|a Provost, Foster
|d 1964-
|0 (DE-588)1053357028
|0 (DE-627)789852632
|0 (DE-576)409108545
|4 aut
|
| 240 |
1 |
0 |
|a Data science for business
|
| 245 |
1 |
0 |
|a Data Science für Unternehmen
|b Data Mining und datenanalytisches Denken praktisch anwenden
|c Foster Provost, Tom Fawcett; Übersetzung aus dem Amerikanischen von Knut Lorenzen
|
| 250 |
|
|
|a 1. Auflage
|
| 264 |
|
1 |
|a Frechen
|b mitp-Verlag
|c 2017
|
| 300 |
|
|
|a 1 Online-Ressource (431 Seiten)
|b Illustrationen, Diagramme, Karten
|
| 336 |
|
|
|a Text
|b txt
|2 rdacontent
|
| 337 |
|
|
|a Computermedien
|b c
|2 rdamedia
|
| 338 |
|
|
|a Online-Ressource
|b cr
|2 rdacarrier
|
| 490 |
0 |
|
|a mitp Business
|
| 520 |
|
|
|a 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
|
| 650 |
|
4 |
|a Daten
|
| 650 |
|
4 |
|a Big Data
|
| 650 |
|
4 |
|a Projektmanager
|
| 689 |
0 |
0 |
|D s
|0 (DE-588)4061963-1
|0 (DE-627)104665327
|0 (DE-576)209142006
|a Unternehmen
|2 gnd
|
| 689 |
0 |
1 |
|D s
|0 (DE-588)4213132-7
|0 (DE-627)10414999X
|0 (DE-576)210213183
|a Datenmanagement
|2 gnd
|
| 689 |
0 |
2 |
|D s
|0 (DE-588)4428654-5
|0 (DE-627)216935180
|0 (DE-576)212347217
|a Data Mining
|2 gnd
|
| 689 |
0 |
3 |
|D s
|0 (DE-588)4123037-1
|0 (DE-627)105758051
|0 (DE-576)209556331
|a Datenanalyse
|2 gnd
|
| 689 |
0 |
|
|5 DE-101
|
| 700 |
1 |
|
|a Fawcett, Tom
|0 (DE-588)1053357648
|0 (DE-627)789853841
|0 (DE-576)409109665
|4 oth
|
| 700 |
1 |
|
|a Lorenzen, Knut
|0 (DE-588)1020241446
|0 (DE-627)699874491
|0 (DE-576)359960898
|4 oth
|
| 776 |
1 |
|
|z 9783958455467
|
| 776 |
0 |
8 |
|i Erscheint auch als
|n Druckausgabe
|a Provost, Foster, 1964 -
|t Data Science für Unternehmen
|b 1. Auflage
|d Frechen : mitp Verlags GmbH & Co. KG, 2017
|h 431 Seiten
|w (DE-627)880283165
|w (DE-576)484514156
|z 3958455468
|z 9783958455467
|
| 856 |
4 |
0 |
|u http://www.content-select.com/index.php?id=bib_view&ean=9783958455474
|m X:PRESELECT
|x Aggregator
|z lizenzpflichtig
|
| 856 |
4 |
0 |
|u https://content-select.com/index.php?id=bib_view&ean=9783958455474
|m X:PRESELECT
|x Verlag
|z lizenzpflichtig
|
| 856 |
4 |
0 |
|u https://www.content-select.com/index.php?id=bib_view&ean=9783958455474
|m X:PRESELECT
|x Verlag
|z lizenzpflichtig
|
| 856 |
4 |
2 |
|u https://content-select.com/portal/media/cover_image/5c858649-288c-4beb-adf2-6037b0dd2d03/500
|m X:PRESELECT
|x Verlag
|3 Cover
|
| 912 |
|
|
|a GBV-213-Gesamt
|
| 912 |
|
|
|a ZDB-213-MIP
|
| 912 |
|
|
|a SSG-OLC-pha
|
| 924 |
1 |
|
|a 3541478837
|b DE-Ch1
|9 Ch 1
|c BSZ
|d d
|k http://www.content-select.com/index.php?id=bib_view&ean=9783958455474
|
| 924 |
1 |
|
|a 3826628853
|b DE-Rt2
|9 Rt 2
|c BSZ
|d d
|g eBook
|k http://www.content-select.com/index.php?id=bib_view&ean=9783958455474
|l E-BOOK: Link zum Volltext - nur auf dem Campus verfügbar
|
| 924 |
1 |
|
|a 3952343404
|b DE-Stg259
|9 Stg 259
|c BSZ
|d d
|g eBook mitp
|k http://www.content-select.com/index.php?id=bib_view&ean=9783958455474
|l Zum Online-Dokument
|l Nur aus dem Campusnetz erreichbar
|
| 924 |
1 |
|
|a 4044774374
|b DE-Stg258
|9 Stg 258
|c BSZ
|d d
|g Ebook_MITP
|k http://www.content-select.com/index.php?id=bib_view&ean=9783958455474
|l Zum Online-Dokument
|l Nur aus dem Campusnetz erreichbar oder per VPN
|
| 936 |
r |
v |
|a QH 232
|b Explorative Datenanalyse / Verfahren
|k Wirtschaftswissenschaften
|k Mathematik. Statistik. Ökonometrie. Unternehmensforschung
|k Statistik
|k Theoretische Statistik
|k Explorative Datenanalyse / Verfahren
|0 (DE-627)1271501651
|0 (DE-625)rvk/141547:
|0 (DE-576)201501651
|
| 936 |
r |
v |
|a QP 345
|b Informationswesen. Informationssysteme
|k Wirtschaftswissenschaften
|k Allgemeine Betriebswirtschaftslehre
|k Unternehmensführung
|k Organisation
|k Informationswesen. Informationssysteme
|0 (DE-627)1270877542
|0 (DE-625)rvk/141866:
|0 (DE-576)200877542
|
| 936 |
r |
v |
|a ST 610
|b Wirtschaftswissenschaften
|k Informatik
|k Monografien
|k Einzelne Anwendungen der Datenverarbeitung
|k Datenverarbeitung in Anwendungsgebieten
|k Wirtschaftswissenschaften
|0 (DE-627)1270945718
|0 (DE-625)rvk/143683:
|0 (DE-576)200945718
|
| 936 |
r |
v |
|a ST 530
|b Data-warehouse-Konzept; Data mining
|k Informatik
|k Monografien
|k Einzelne Anwendungen der Datenverarbeitung
|k Wirtschaftsinformatik
|k Data-warehouse-Konzept; Data mining
|0 (DE-627)1272555585
|0 (DE-625)rvk/143679:
|0 (DE-576)202555585
|
| 936 |
b |
k |
|a 85.20
|j Betriebliche Information und Kommunikation
|0 (DE-627)106414704
|
| 936 |
b |
k |
|a 54.72
|j Künstliche Intelligenz
|0 (DE-627)10641240X
|
| 950 |
|
|
|a mitp Programmierung
|
| 951 |
|
|
|a BO
|
| 980 |
|
|
|a 1668498979
|b 183
|c sid-183-col-kxpbbi
|
SOLR
| _version_ |
1797788809919725568 |
| author |
Provost, Foster |
| author2 |
Fawcett, Tom, Lorenzen, Knut |
| author2_role |
oth, oth |
| author2_variant |
t f tf, k l kl |
| author_facet |
Provost, Foster, Fawcett, Tom, Lorenzen, Knut |
| author_role |
aut |
| author_sort |
Provost, Foster 1964- |
| author_variant |
f p fp |
| building |
Library A |
| collection |
GBV-213-Gesamt, ZDB-213-MIP, SSG-OLC-pha, sid-183-col-kxpbbi |
| contents |
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 |
| ctrlnum |
(DE-627)1668498979, (DE-599)KEP04404545X, (PRE)5c858649-288c-4beb-adf2-6037b0dd2d03, (EBP)04404545X |
| dewey-full |
658.403802856312, 004, 650 |
| dewey-hundreds |
600 - Technology (Applied sciences), 000 - Computer science, information, general works |
| dewey-ones |
658 - General management, 004 - Computer science, 650 - Management and auxiliary services |
| dewey-raw |
658.403802856312, 004, 650 |
| dewey-search |
658.403802856312, 004, 650 |
| dewey-sort |
3658.403802856312 |
| dewey-tens |
650 - Management and auxiliary services, 000 - Computer science, information, general works |
| edition |
1. Auflage |
| facet_912a |
GBV-213-Gesamt, ZDB-213-MIP, SSG-OLC-pha |
| facet_avail |
Online |
| facet_local_del330 |
Unternehmen, Datenmanagement, Data Mining, Datenanalyse |
| finc_class_facet |
Wirtschaftswissenschaften, Informatik, Technik |
| fincclass_txtF_mv |
economics, science-computerscience |
| format |
eBook |
| format_access_txtF_mv |
Book, E-Book |
| format_de105 |
Ebook |
| format_de14 |
Book, E-Book |
| format_de15 |
Book, E-Book |
| format_del152 |
Buch |
| format_detail_txtF_mv |
text-online-monograph-independent |
| format_dezi4 |
e-Book |
| format_finc |
Book, E-Book |
| format_legacy |
ElectronicBook |
| format_legacy_nrw |
Book, E-Book |
| format_nrw |
Book, E-Book |
| format_strict_txtF_mv |
E-Book |
| geogr_code |
not assigned |
| geogr_code_person |
not assigned |
| id |
183-1668498979 |
| illustrated |
Not Illustrated |
| imprint |
Frechen, mitp-Verlag, 2017 |
| imprint_str_mv |
Frechen: mitp-Verlag, 2017 |
| institution |
FID-BBI-DE-23 |
| is_hierarchy_id |
|
| is_hierarchy_title |
|
| isbn |
9783958455474, 9783958455481 |
| isbn_isn_mv |
9783958455467, 3958455468 |
| language |
German, English |
| last_indexed |
2024-04-30T19:23:32.628Z |
| marc_error |
[geogr_code]Unable to make public java.lang.AbstractStringBuilder java.lang.AbstractStringBuilder.append(java.lang.String) accessible: module java.base does not "opens java.lang" to unnamed module @64e01542 |
| match_str |
provost2017datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden |
| mega_collection |
K10plus Verbundkatalog |
| physical |
1 Online-Ressource (431 Seiten); Illustrationen, Diagramme, Karten |
| publishDate |
2017 |
| publishDateSort |
2017 |
| publishPlace |
Frechen |
| publisher |
mitp-Verlag |
| record_format |
marcfinc |
| record_id |
1668498979 |
| recordtype |
marcfinc |
| rvk_facet |
QH 232, QP 345, ST 610, ST 530 |
| rvk_label |
Wirtschaftswissenschaften, Mathematik. Statistik. Ökonometrie. Unternehmensforschung, Statistik, Theoretische Statistik, Explorative Datenanalyse / Verfahren, Allgemeine Betriebswirtschaftslehre, Unternehmensführung, Organisation, Informationswesen. Informationssysteme, Informatik, Monografien, Einzelne Anwendungen der Datenverarbeitung, Datenverarbeitung in Anwendungsgebieten, Wirtschaftsinformatik, Data-warehouse-Konzept; Data mining |
| rvk_path |
QH 230 - QH 239, ST, SQ - SU, ST 530, ST 500 - ST 530, ST 610, QP 300 - QP 390, QP 340 - QP 345, ST 600 - ST 690, Q, QH 232, ST 320 - ST 690, QH, QP 345, QH 200 - QH 254, QP |
| rvk_path_str_mv |
QH 230 - QH 239, ST, SQ - SU, ST 530, ST 500 - ST 530, ST 610, QP 300 - QP 390, QP 340 - QP 345, ST 600 - ST 690, Q, QH 232, ST 320 - ST 690, QH, QP 345, QH 200 - QH 254, QP |
| series2 |
mitp Business |
| source_id |
183 |
| spelling |
Provost, Foster 1964- (DE-588)1053357028 (DE-627)789852632 (DE-576)409108545 aut, Data science for business, Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Foster Provost, Tom Fawcett; Übersetzung aus dem Amerikanischen von Knut Lorenzen, 1. Auflage, Frechen mitp-Verlag 2017, 1 Online-Ressource (431 Seiten) Illustrationen, Diagramme, Karten, Text txt rdacontent, Computermedien c rdamedia, Online-Ressource cr rdacarrier, mitp Business, 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, Daten, Big Data, Projektmanager, s (DE-588)4061963-1 (DE-627)104665327 (DE-576)209142006 Unternehmen gnd, s (DE-588)4213132-7 (DE-627)10414999X (DE-576)210213183 Datenmanagement gnd, s (DE-588)4428654-5 (DE-627)216935180 (DE-576)212347217 Data Mining gnd, s (DE-588)4123037-1 (DE-627)105758051 (DE-576)209556331 Datenanalyse gnd, DE-101, Fawcett, Tom (DE-588)1053357648 (DE-627)789853841 (DE-576)409109665 oth, Lorenzen, Knut (DE-588)1020241446 (DE-627)699874491 (DE-576)359960898 oth, 9783958455467, Erscheint auch als Druckausgabe Provost, Foster, 1964 - Data Science für Unternehmen 1. Auflage Frechen : mitp Verlags GmbH & Co. KG, 2017 431 Seiten (DE-627)880283165 (DE-576)484514156 3958455468 9783958455467, http://www.content-select.com/index.php?id=bib_view&ean=9783958455474 X:PRESELECT Aggregator lizenzpflichtig, https://content-select.com/index.php?id=bib_view&ean=9783958455474 X:PRESELECT Verlag lizenzpflichtig, https://www.content-select.com/index.php?id=bib_view&ean=9783958455474 X:PRESELECT Verlag lizenzpflichtig, https://content-select.com/portal/media/cover_image/5c858649-288c-4beb-adf2-6037b0dd2d03/500 X:PRESELECT Verlag Cover |
| spellingShingle |
Provost, Foster, Data Science für Unternehmen: Data Mining und datenanalytisches Denken praktisch anwenden, 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, Daten, Big Data, Projektmanager, Unternehmen, Datenmanagement, Data Mining, Datenanalyse |
| title |
Data Science für Unternehmen: Data Mining und datenanalytisches Denken praktisch anwenden |
| title_alt |
Data science for business |
| title_auth |
Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_full |
Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Foster Provost, Tom Fawcett; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_fullStr |
Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Foster Provost, Tom Fawcett; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_full_unstemmed |
Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Foster Provost, Tom Fawcett; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_short |
Data Science für Unternehmen |
| title_sort |
data science für unternehmen data mining und datenanalytisches denken praktisch anwenden |
| title_sub |
Data Mining und datenanalytisches Denken praktisch anwenden |
| title_unstemmed |
Data Science für Unternehmen: Data Mining und datenanalytisches Denken praktisch anwenden |
| topic |
Daten, Big Data, Projektmanager, Unternehmen, Datenmanagement, Data Mining, Datenanalyse |
| topic_facet |
Daten, Big Data, Projektmanager, Unternehmen, Datenmanagement, Data Mining, Datenanalyse |
| url |
http://www.content-select.com/index.php?id=bib_view&ean=9783958455474, https://content-select.com/index.php?id=bib_view&ean=9783958455474, https://www.content-select.com/index.php?id=bib_view&ean=9783958455474, https://content-select.com/portal/media/cover_image/5c858649-288c-4beb-adf2-6037b0dd2d03/500 |
| work_keys_str_mv |
AT provostfoster datascienceforbusiness, AT fawcetttom datascienceforbusiness, AT lorenzenknut datascienceforbusiness, AT provostfoster datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden, AT fawcetttom datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden, AT lorenzenknut datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden |