國立虎尾科技大學 |

Blockchain und maschinelles Lernen = Wie das maschinelle Lernen und die Distributed-Ledger-Technologie voneinander profitieren /

Record Type:	Language materials, printed : Monograph/item
Title/Author:	Blockchain und maschinelles Lernen/ herausgegeben von Sigurd Schacht, Carsten Lanquillon.
Reminder of title:	Wie das maschinelle Lernen und die Distributed-Ledger-Technologie voneinander profitieren /
other author:	Schacht, Sigurd.
Description:	VII, 220 S. 63 Abb.online resource. :
Contained By:	Springer Nature eBook
Subject:	Special purpose computers. -
Online resource:	https://doi.org/10.1007/978-3-662-60408-3
ISBN:	9783662604083

Blockchain und maschinelles Lernen = Wie das maschinelle Lernen und die Distributed-Ledger-Technologie voneinander profitieren /
Blockchain und maschinelles LernenWie das maschinelle Lernen und die Distributed-Ledger-Technologie voneinander profitieren /[electronic resource] :herausgegeben von Sigurd Schacht, Carsten Lanquillon. - 1st ed. 2019. - VII, 220 S. 63 Abb.online resource.

Durch Bitcoin wurde die Blockchain als zugrundeliegende Technologie bekannt. Sie zählt zu den Distributed-Ledger-Technologien, die zukünftig viele Bereiche des wirtschaftlichen Handels beeinflussen werden. So bergen dezentrale autonome Anwendungen enormes Potenzial, nicht nur Prozesse, sondern auch Vertragsabstimmungen zu automatisieren. Beispielsweise kann ein automatisiertes wirtschaftliches Handeln zwischen Maschinen ermöglicht werden. Um einen derart hohen Automatisierungsgrad zu erreichen, müssen datenbasierte Entscheidungen autonom – ohne menschliches Zutun – getroffen werden. Maschinelle Lernverfahren können dabei eine zentrale Komponente bei der Entscheidungsfindung einnehmen. Das Buch stellt erstmalig die komplementären Themengebiete Distributed-Ledger-Technologie und maschinelles Lernen gegenüber und zeigt auf, welches Potenzial freigesetzt werden kann, wenn beide Technologien zielführend miteinander verbunden werden. Das Buch ist eine unverzichtbare Lektüre für diejenigen, die sich tiefgreifendes Wissen in der Kombination beider Themengebiete aufbauen wollen, indem einerseits die theoretischen Grundlagen und andererseits auch mögliche Anwendungsszenarien dargestellt werden. Der Inhalt DLT und Blockchain-Grundlagen: Kurze Hinführung zum Thema Blockchain, DLT und deren Komponenten Maschinelles Lernen Überblick und Möglichkeiten Blockchain und maschinelles Lernen, Überblick des Forschungsstandes Wie kann die DLT mit ML verbessert werden? Wie kann ML von DLT profitieren? Der Analystics-Marktplatz – Ordnungsrahmen für eine Kombination beider Technologien Anwendungsorientierte Sicht: Use Cases im Energiesektor Die Zielgruppen IT Manager IT Experten Data Scientisten Studierende der Wirtschaftsinformatik Die Autoren Sigurd Schacht beschäftigt sich seit mehr als zehn Jahren in Theorie und Praxis mit betriebswirtschaftlichen Datenanalysen und der Prüfung von SAP-Systemen. Seit drei Jahren beschäftigt er sich in Forschung und Lehre zusätzlich mit der Distributed-Ledger-Technologie. Carsten Lanquillon beantwortet seit mehr als 20 Jahren unternehmerische Fragestellungen erfolgreich mit Hilfe maschineller Lernverfahren. Im Data Science Lab an der Hochschule Heilbronn erforschen und transferieren die beiden Professoren Big-Data- und Blockchain-Technologien zur Steigerung des Unternehmenswertes.

ISBN: 9783662604083

Standard No.: 10.1007/978-3-662-60408-3doiSubjects--Topical Terms:

1204562
Special purpose computers.

LC Class. No.: TK7874.6

Dewey Class. No.: 004.6

Blockchain und maschinelles Lernen = Wie das maschinelle Lernen und die Distributed-Ledger-Technologie voneinander profitieren /
LDR:03633nam a22003375i 4500 001 1015475
003 DE-He213
005 20200711081506.0
007 cr nn 008mamaa
008 210106s2019 gw | s |||| 0|ger d
020 $a 9783662604083 $9 978-3-662-60408-3
024 7 $a 10.1007/978-3-662-60408-3 $2 doi
035 $a 978-3-662-60408-3
050 4 $a TK7874.6
072 7 $a UYQE $2 bicssc
072 7 $a COM025000 $2 bisacsh
072 7 $a UYQE $2 thema
082 0 4 $a 004.6 $2 23
245 1 0 $a Blockchain und maschinelles Lernen $h [electronic resource] : $b Wie das maschinelle Lernen und die Distributed-Ledger-Technologie voneinander profitieren / $c herausgegeben von Sigurd Schacht, Carsten Lanquillon.
250 $a 1st ed. 2019.
264 1 $a Berlin, Heidelberg : $b Springer Berlin Heidelberg : $b Imprint: Springer Vieweg, $c 2019.
300 $a VII, 220 S. 63 Abb. $b online resource.
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
347 $a text file $b PDF $2 rda
520 $a Durch Bitcoin wurde die Blockchain als zugrundeliegende Technologie bekannt. Sie zählt zu den Distributed-Ledger-Technologien, die zukünftig viele Bereiche des wirtschaftlichen Handels beeinflussen werden. So bergen dezentrale autonome Anwendungen enormes Potenzial, nicht nur Prozesse, sondern auch Vertragsabstimmungen zu automatisieren. Beispielsweise kann ein automatisiertes wirtschaftliches Handeln zwischen Maschinen ermöglicht werden. Um einen derart hohen Automatisierungsgrad zu erreichen, müssen datenbasierte Entscheidungen autonom – ohne menschliches Zutun – getroffen werden. Maschinelle Lernverfahren können dabei eine zentrale Komponente bei der Entscheidungsfindung einnehmen. Das Buch stellt erstmalig die komplementären Themengebiete Distributed-Ledger-Technologie und maschinelles Lernen gegenüber und zeigt auf, welches Potenzial freigesetzt werden kann, wenn beide Technologien zielführend miteinander verbunden werden. Das Buch ist eine unverzichtbare Lektüre für diejenigen, die sich tiefgreifendes Wissen in der Kombination beider Themengebiete aufbauen wollen, indem einerseits die theoretischen Grundlagen und andererseits auch mögliche Anwendungsszenarien dargestellt werden. Der Inhalt DLT und Blockchain-Grundlagen: Kurze Hinführung zum Thema Blockchain, DLT und deren Komponenten Maschinelles Lernen Überblick und Möglichkeiten Blockchain und maschinelles Lernen, Überblick des Forschungsstandes Wie kann die DLT mit ML verbessert werden? Wie kann ML von DLT profitieren? Der Analystics-Marktplatz – Ordnungsrahmen für eine Kombination beider Technologien Anwendungsorientierte Sicht: Use Cases im Energiesektor Die Zielgruppen IT Manager IT Experten Data Scientisten Studierende der Wirtschaftsinformatik Die Autoren Sigurd Schacht beschäftigt sich seit mehr als zehn Jahren in Theorie und Praxis mit betriebswirtschaftlichen Datenanalysen und der Prüfung von SAP-Systemen. Seit drei Jahren beschäftigt er sich in Forschung und Lehre zusätzlich mit der Distributed-Ledger-Technologie. Carsten Lanquillon beantwortet seit mehr als 20 Jahren unternehmerische Fragestellungen erfolgreich mit Hilfe maschineller Lernverfahren. Im Data Science Lab an der Hochschule Heilbronn erforschen und transferieren die beiden Professoren Big-Data- und Blockchain-Technologien zur Steigerung des Unternehmenswertes.
650 0 $a Special purpose computers. $3 1204562
650 0 $a Application software. $3 528147
650 0 $a Computers and civilization. $3 556557
650 0 $a Computers. $3 565115
650 0 $a Law and legislation. $3 1069250
650 1 4 $a Special Purpose and Application-Based Systems. $3 669833
650 2 4 $a Computer Appl. in Administrative Data Processing. $3 669633
650 2 4 $a Computers and Society. $3 669900
650 2 4 $a Legal Aspects of Computing. $3 669901
700 1 $a Schacht, Sigurd. $e editor. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1309615
700 1 $a Lanquillon, Carsten. $e editor. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1309616
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783662604076
856 4 0 $u https://doi.org/10.1007/978-3-662-60408-3
912 $a ZDB-2-STI
950 $a Computer Science and Engineering (German Language) (SpringerNature-11774)