Data Science fĂŒr Unternehmen
Data Mining und datenanalytisches Denken praktisch anwenden
Foster Provost, Tom Fawcett
- 432 pages
- German
- ePUB (adapté aux mobiles)
- Disponible sur iOS et Android
Data Science fĂŒr Unternehmen
Data Mining und datenanalytisches Denken praktisch anwenden
Foster Provost, Tom Fawcett
Ă propos de ce livre
Die grundlegenden Konzepte der Data Science verstehen, Wissen aus Daten ziehen und fĂŒr Vorhersagen und Entscheidungen nutzenDie wichtigsten Data-Mining-Verfahren gezielt und gewinnbringend einsetzenZahlreiche Praxisbeispiele zur VeranschaulichungDie anerkannten Data-Science-Experten Foster Provost und Tom Fawcett stellen in diesem Buch die grundlegenden Konzepte der Data Science vor, die fĂŒr den effektiven Einsatz im Unternehmen von Bedeutung sind.Sie erlĂ€utern das datenanalytische Denken, das erforderlich ist, damit Sie aus Ihren gesammelten Daten nĂŒtzliches Wissen und geschĂ€ftlichen Nutzen ziehen können. Sie erfahren detailliert, welche Methoden der Data Science zu hilfreichen Erkenntnissen fĂŒhren, so dass auf dieser Grundlage wichtige Entscheidungsfindungen unterstĂŒtzt werden können.Dieser Leitfaden hilft Ihnen dabei, die vielen zurzeit gebrĂ€uchlichen 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 erzielenDaten als ein strategisches Gut behandeln, in das investiert werden muss, um echten Nutzen daraus zu ziehenGeschĂ€ftliche Aufgaben datenanalytisch angehen und den Data-Mining-Prozess nutzen, um auf effiziente Weise sinnvolle Daten zu sammelnDas Buch beruht auf einem Kurs fĂŒr 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 FĂŒhrungskrĂ€fte 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 lernenDer Data-Mining-ProzessĂberwachtes und unĂŒberwachtes Data MiningEinfĂŒhrung in die Vorhersagemodellbildung: von der Korrelation zur ĂŒberwachten SegmentierungAnhand der Daten optimale Modellparameter finden mit Verfahren wie lineare und logistische Regression sowie Support Vector MachinesPrinzip und Berechnung der ĂhnlichkeitNĂ€chste-Nachbarn-Methoden und ClusteringEntscheidungsanalyse I: Was ist ein gutes ModellVisualisierung der Leistung von ModellenEvidenz und WahrscheinlichkeitenTexte reprĂ€sentieren und auswertenEntscheidungsanalyse II: Analytisches EngineeringData Science und GeschĂ€ftsstrategie