Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Data Science - was ist das eigentlich?!, m. 1 Buch, m. 1 E-Book

Algorithmen des maschinellen Lernens verständlich erklärt. Mit E-Book - .
BundleNon-Book
179 Seiten
Deutsch
Springererschienen am08.11.20182018
Sie moechten 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 wurden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlusselkonzepte der Datenwissenschaft und ihrer Algorithmen - und zwar ohne Sie mit mathematischen Formeln und Details zu belasten! Der Fokus liegt - nach einer ubergeordneten Einfuhrung - auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erlautert und mit einem leicht verstandlichen, realen Anwendungsbeispiel verknupft. Die Kombination aus intuitiven Erklarungen und zahlreichen Abbildungen ermoeglicht dabei ein grundlegendes Verstandnis, das ohne mathematische Formelsprache auskommt. Abschliessend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt.mehr
Verfügbare Formate
E-BookPDF1 - PDF WatermarkE-Book
EUR22,99
BundleNon-Book
EUR29,99

Produkt

KlappentextSie moechten 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 wurden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlusselkonzepte der Datenwissenschaft und ihrer Algorithmen - und zwar ohne Sie mit mathematischen Formeln und Details zu belasten! Der Fokus liegt - nach einer ubergeordneten Einfuhrung - auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erlautert und mit einem leicht verstandlichen, realen Anwendungsbeispiel verknupft. Die Kombination aus intuitiven Erklarungen und zahlreichen Abbildungen ermoeglicht dabei ein grundlegendes Verstandnis, das ohne mathematische Formelsprache auskommt. Abschliessend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt.
Zusammenfassung
Intuitive Erklärungen und Visualisierungen

Praktische Anwendungen zur Veranschaulichung der einzelnen Algorithmen

Zusammenfassung am Ende jeden Kapitels

Vergleich der Vor- und Nachteile der Algorithmen

Glossar der häufig verwendeten Begriffe

Alle Abbildungen für Farbenblinde geeignet
Details
ISBN/GTIN978-3-662-56775-3
ProduktartBundle
EinbandartNon-Book
Verlag
Erscheinungsjahr2018
Erscheinungsdatum08.11.2018
Auflage2018
Seiten179 Seiten
SpracheDeutsch
Gewicht230 g
IllustrationenXXI, 179 S. 11 Abb. Book + eBook.
Artikel-Nr.45385151

Inhalt/Kritik

Inhaltsverzeichnis
Das Wichtigste in Kurze ....- k-Means-Clustering.- Hauptkomponentenanalyse.- Assoziationsanalyse.- Soziale Netzwerkanalyse.- Regressionsanalyse.- k-nachste Nachbarn und Ausreissererkennung.- Support-Vektor-Maschine.- Entscheidungsbaum.- Random Forests.- Neuronale Netze.- A/B-Tests und vielarmige Banditen.- Anhang.mehr
Kritik
"... das Buch nicht nur für Laien, sondern auch für den mathematisch gebildeten und interessierten Leser für eine empfehlenswerte Einführung in die Welt des maschinellen Lernens. Es unterscheidet sich von anderen populärwissenschaftlichen Büchern in erfrischender Weise durch Sachlichkeit. ... Da zu der Entscheidung, maschinelle Verfahren einzusetzen Grundkenntnisse zu den Verfahren hilfreich sind, ist dieses Buch ein nützlicher Beitrag." (Mathematische Semesterberichte, Jg. 66, 2019)




"... zeigen anhand verständlich erläuterter, einfacher, aber plausibler Beispiele, wie diese Anwendungen erfolgen und welche Ergebnisse sie liefern. Viele Beispiele wurden der (hier auch zitierten) Literatur entnommen und können vom Leser leicht nachvollzogen werden. Man kann deshalb erwarten, dass nicht nur Studierende dieses Fachgebiets von der Lektüre profitieren werden, sondern auch Unternehmer bessere Fragen an die von ihnen beauftragten Wissenschaftler stellen können." (Martin A. Lobeck, in: ekz-Informationsdienst, Heft 3, 2019)mehr

Schlagworte

Autor

Annalyn Ng schloss ihr Grundstudium an der University of Michigan (Ann Arbor) ab und war dort auch als Statistiktutorin tätig. Anschließend absolvierte sie ihr Master-Studium am Psychometrics Centre der University of Cambridge, indem Sie dort Social Media-Daten für gezielte Werbung und programmierte kognitive Tests für die Stellenv .ermittlung auswertete. Im Team für Verhaltenswissenschaften bei Disney Research untersuchte sie später psychologische Profile von Konsumenten.



Kenneth Soo hat sein Master-Studium in Statistik an der Stanford University abgeschlossen. Zuvor absolvierte er sein Grundstudium in Mathematik, Operational Research, Statistics and Economics (MORSE) an der University of Warwick: Er war dort als Forschungsassistent bei der Operational Research & Management Sciences Group tätig und arbeitete an der bi-objektiven robusten Optimierung mit Anwendungen in Netzwerken, die zufälligen Ausfällen unterliegen.