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 Provos...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | |
| Format: | Elektronisch E-Book |
| Sprache: | German |
| Veröffentlicht: |
Frechen
MITP
2017
|
| Schriftenreihe: | Mitp Business
|
| Schlagworte: | |
| Online-Zugang: | lizenzpflichtig |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
MARC
| LEADER | 00000cam a22000002 4500 | ||
|---|---|---|---|
| 001 | ZDB-30-ORH-058893008 | ||
| 003 | DE-627-1 | ||
| 005 | 20240227122221.0 | ||
| 007 | cr uuu---uuuuu | ||
| 008 | 201021s2017 xx |||||o 00| ||ger c | ||
| 020 | |a 9783958455481 |9 978-3-95845-548-1 | ||
| 020 | |a 3958455484 |9 3-95845-548-4 | ||
| 035 | |a (DE-627-1)058893008 | ||
| 035 | |a (DE-599)KEP058893008 | ||
| 035 | |a (ORHE)9783958455481 | ||
| 035 | |a (DE-627-1)058893008 | ||
| 040 | |a DE-627 |b ger |c DE-627 |e rda | ||
| 041 | |a ger | ||
| 082 | 0 | |a [E] | |
| 100 | 1 | |a Provost, Foster |e VerfasserIn |4 aut | |
| 245 | 1 | 0 | |a Data Science für Unternehmen |b Data Mining und datenanalytisches Denken praktisch anwenden |
| 264 | 1 | |a Frechen |b MITP |c 2017 | |
| 300 | |a 1 online resource (432 pages) | ||
| 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 | |
| 500 | |a ""5.1 Verallgemeinerungsfähigkeit"". - Print version record | ||
| 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 | 0 | |a Data mining | |
| 650 | 0 | |a Big data | |
| 650 | 0 | |a Business |x Data processing | |
| 650 | 0 | |a Management |x Data processing | |
| 650 | 4 | |a Exploration de données (Informatique) | |
| 650 | 4 | |a Données volumineuses | |
| 650 | 4 | |a Gestion ; Informatique | |
| 650 | 4 | |a Management ; Data processing | |
| 650 | 4 | |a Big data | |
| 650 | 4 | |a Business ; Data processing | |
| 650 | 4 | |a Data mining | |
| 700 | 1 | |a Fawcett, Tom |e MitwirkendeR |4 ctb | |
| 776 | 1 | |z 9783958455467 | |
| 776 | 0 | 8 | |i Erscheint auch als |n Druck-Ausgabe |z 9783958455467 |
| 856 | 4 | 0 | |l TUM01 |p ZDB-30-ORH |q TUM_PDA_ORH |u https://learning.oreilly.com/library/view/-/9783958455481/?ar |m X:ORHE |x Aggregator |z lizenzpflichtig |3 Volltext |
| 912 | |a ZDB-30-ORH | ||
| 951 | |a BO | ||
| 912 | |a ZDB-30-ORH | ||
| 049 | |a DE-91 | ||
Datensatz im Suchindex
| DE-BY-TUM_katkey | ZDB-30-ORH-058893008 |
|---|---|
| _version_ | 1818767385581060096 |
| adam_text | |
| any_adam_object | |
| author | Provost, Foster |
| author2 | Fawcett, Tom |
| author2_role | ctb |
| author2_variant | t f tf |
| author_facet | Provost, Foster Fawcett, Tom |
| author_role | aut |
| author_sort | Provost, Foster |
| author_variant | f p fp |
| building | Verbundindex |
| bvnumber | localTUM |
| collection | ZDB-30-ORH |
| ctrlnum | (DE-627-1)058893008 (DE-599)KEP058893008 (ORHE)9783958455481 |
| dewey-raw | [E] |
| dewey-search | [E] |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>04149cam a22005172 4500</leader><controlfield tag="001">ZDB-30-ORH-058893008</controlfield><controlfield tag="003">DE-627-1</controlfield><controlfield tag="005">20240227122221.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">201021s2017 xx |||||o 00| ||ger c</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783958455481</subfield><subfield code="9">978-3-95845-548-1</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3958455484</subfield><subfield code="9">3-95845-548-4</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)058893008</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)KEP058893008</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ORHE)9783958455481</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)058893008</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">[E]</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Provost, Foster</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data Science für Unternehmen</subfield><subfield code="b">Data Mining und datenanalytisches Denken praktisch anwenden</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Frechen</subfield><subfield code="b">MITP</subfield><subfield code="c">2017</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 online resource (432 pages)</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Mitp Business</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">""5.1 Verallgemeinerungsfähigkeit"". - Print version record</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="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.</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Big data</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Business</subfield><subfield code="x">Data processing</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Management</subfield><subfield code="x">Data processing</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Exploration de données (Informatique)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Données volumineuses</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Gestion ; Informatique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Management ; Data processing</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Big data</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Business ; Data processing</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Data mining</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Fawcett, Tom</subfield><subfield code="e">MitwirkendeR</subfield><subfield code="4">ctb</subfield></datafield><datafield tag="776" ind1="1" ind2=" "><subfield code="z">9783958455467</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Druck-Ausgabe</subfield><subfield code="z">9783958455467</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="l">TUM01</subfield><subfield code="p">ZDB-30-ORH</subfield><subfield code="q">TUM_PDA_ORH</subfield><subfield code="u">https://learning.oreilly.com/library/view/-/9783958455481/?ar</subfield><subfield code="m">X:ORHE</subfield><subfield code="x">Aggregator</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">BO</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91</subfield></datafield></record></collection> |
| id | ZDB-30-ORH-058893008 |
| illustrated | Not Illustrated |
| indexdate | 2024-12-18T08:49:03Z |
| institution | BVB |
| isbn | 9783958455481 3958455484 |
| language | German |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM |
| owner_facet | DE-91 DE-BY-TUM |
| physical | 1 online resource (432 pages) |
| psigel | ZDB-30-ORH |
| publishDate | 2017 |
| publishDateSearch | 2017 |
| publishDateSort | 2017 |
| publisher | MITP |
| record_format | marc |
| series2 | Mitp Business |
| spelling | Provost, Foster VerfasserIn aut Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Frechen MITP 2017 1 online resource (432 pages) Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier Mitp Business ""5.1 Verallgemeinerungsfähigkeit"". - Print version record 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. Data mining Big data Business Data processing Management Data processing Exploration de données (Informatique) Données volumineuses Gestion ; Informatique Management ; Data processing Business ; Data processing Fawcett, Tom MitwirkendeR ctb 9783958455467 Erscheint auch als Druck-Ausgabe 9783958455467 TUM01 ZDB-30-ORH TUM_PDA_ORH https://learning.oreilly.com/library/view/-/9783958455481/?ar X:ORHE Aggregator lizenzpflichtig Volltext |
| spellingShingle | Provost, Foster Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Data mining Big data Business Data processing Management Data processing Exploration de données (Informatique) Données volumineuses Gestion ; Informatique Management ; Data processing Business ; Data processing |
| title | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_auth | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_exact_search | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_full | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_fullStr | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_full_unstemmed | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_short | Data Science für Unternehmen |
| title_sort | data science fur unternehmen data mining und datenanalytisches denken praktisch anwenden |
| title_sub | Data Mining und datenanalytisches Denken praktisch anwenden |
| topic | Data mining Big data Business Data processing Management Data processing Exploration de données (Informatique) Données volumineuses Gestion ; Informatique Management ; Data processing Business ; Data processing |
| topic_facet | Data mining Big data Business Data processing Management Data processing Exploration de données (Informatique) Données volumineuses Gestion ; Informatique Management ; Data processing Business ; Data processing |
| url | https://learning.oreilly.com/library/view/-/9783958455481/?ar |
| work_keys_str_mv | AT provostfoster datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden AT fawcetttom datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden |