國立虎尾科技大學 |

Data Science – was ist das eigentlich?! = Algorithmen des maschinellen Lernens verständlich erklärt /

Record Type:	Language materials, printed : Monograph/item
Title/Author:	Data Science – was ist das eigentlich?!/ von Annalyn Ng, Kenneth Soo.
Reminder of title:	Algorithmen des maschinellen Lernens verständlich erklärt /
Author:	Ng, Annalyn.
other author:	Soo, Kenneth.
Description:	XXI, 179 S. 11 Abb.online resource. :
Contained By:	Springer Nature eBook
Subject:	Statistics. -
Online resource:	https://doi.org/10.1007/978-3-662-56776-0
ISBN:	9783662567760

Data Science – was ist das eigentlich?! = Algorithmen des maschinellen Lernens verständlich erklärt /
Ng, Annalyn.

Data Science – was ist das eigentlich?!Algorithmen des maschinellen Lernens verständlich erklärt /[electronic resource] :von Annalyn Ng, Kenneth Soo. - 1st ed. 2018. - XXI, 179 S. 11 Abb.online resource.

Das Wichtigste in Kürze … -- k-Means-Clustering -- Hauptkomponentenanalyse -- Assoziationsanalyse -- Soziale Netzwerkanalyse -- Regressionsanalyse -- k-nächste Nachbarn und Ausreißererkennung -- Support-Vektor-Maschine -- Entscheidungsbaum -- Random Forests -- Neuronale Netze -- A/B-Tests und vielarmige Banditen -- Anhang.

Sie möchten 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 würden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlüsselkonzepte der Datenwissenschaft und ihrer Algorithmen – und zwar ohne Sie mit mathematischen Formeln und Details zu belasten! Der Fokus liegt – nach einer übergeordneten Einführung – auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erläutert und mit einem leicht verständlichen, realen Anwendungsbeispiel verknüpft. Die Kombination aus intuitiven Erklärungen und zahlreichen Abbildungen ermöglicht dabei ein grundlegendes Verständnis, das ohne mathematische Formelsprache auskommt. Abschließend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt. Das Buch beschreibt die Schlüsselalgorithmen der Datenwissenschaften bildlich und eingängig. Eine nützliche Einführung für Anfänger, ein guter Überblick für Geschäftsleute, die mit Analysten zusammenarbeiten, oder einfach ein anregendes Lesevergnügen für alle, die wissen wollen, was mit ihren Daten geschieht. Dr. David Stillwell, stellvertretender Direktor des Psychometrics Centre an der University of Cambridge Dank der exzellent veranschaulichten Konzepte konnten unsere Studenten aus den nicht-technischen Fächern die abstrakten Ideen des maschinellen Lernens ganz intuitiv verstehen. Ethan Chan, Big-Data-Dozent, Stanford University.

ISBN: 9783662567760

Standard No.: 10.1007/978-3-662-56776-0doiSubjects--Topical Terms:

556824
Statistics.

LC Class. No.: HA

Dewey Class. No.: 519.5

Data Science – was ist das eigentlich?! = Algorithmen des maschinellen Lernens verständlich erklärt /
LDR:03263nam a22003615i 4500 001 988173
003 DE-He213
005 20200731185257.0
007 cr nn 008mamaa
008 201225s2018 gw | s |||| 0|ger d
020 $a 9783662567760 $9 978-3-662-56776-0
024 7 $a 10.1007/978-3-662-56776-0 $2 doi
035 $a 978-3-662-56776-0
050 4 $a HA
050 4 $a QA276-280
072 7 $a PDZM $2 bicssc
072 7 $a MAT029000 $2 bisacsh
072 7 $a PDZ $2 thema
082 0 4 $a 519.5 $2 23
100 1 $a Ng, Annalyn. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1280483
245 1 0 $a Data Science – was ist das eigentlich?! $h [electronic resource] : $b Algorithmen des maschinellen Lernens verständlich erklärt / $c von Annalyn Ng, Kenneth Soo.
250 $a 1st ed. 2018.
264 1 $a Berlin, Heidelberg : $b Springer Berlin Heidelberg : $b Imprint: Springer, $c 2018.
300 $a XXI, 179 S. 11 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
505 0 $a Das Wichtigste in Kürze … -- k-Means-Clustering -- Hauptkomponentenanalyse -- Assoziationsanalyse -- Soziale Netzwerkanalyse -- Regressionsanalyse -- k-nächste Nachbarn und Ausreißererkennung -- Support-Vektor-Maschine -- Entscheidungsbaum -- Random Forests -- Neuronale Netze -- A/B-Tests und vielarmige Banditen -- Anhang.
520 $a Sie möchten 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 würden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlüsselkonzepte der Datenwissenschaft und ihrer Algorithmen – und zwar ohne Sie mit mathematischen Formeln und Details zu belasten! Der Fokus liegt – nach einer übergeordneten Einführung – auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erläutert und mit einem leicht verständlichen, realen Anwendungsbeispiel verknüpft. Die Kombination aus intuitiven Erklärungen und zahlreichen Abbildungen ermöglicht dabei ein grundlegendes Verständnis, das ohne mathematische Formelsprache auskommt. Abschließend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt. Das Buch beschreibt die Schlüsselalgorithmen der Datenwissenschaften bildlich und eingängig. Eine nützliche Einführung für Anfänger, ein guter Überblick für Geschäftsleute, die mit Analysten zusammenarbeiten, oder einfach ein anregendes Lesevergnügen für alle, die wissen wollen, was mit ihren Daten geschieht. Dr. David Stillwell, stellvertretender Direktor des Psychometrics Centre an der University of Cambridge Dank der exzellent veranschaulichten Konzepte konnten unsere Studenten aus den nicht-technischen Fächern die abstrakten Ideen des maschinellen Lernens ganz intuitiv verstehen. Ethan Chan, Big-Data-Dozent, Stanford University.
650 0 $a Statistics. $3 556824
650 0 $a Computer science. $3 573171
650 0 $a Mathematics. $3 527692
650 1 4 $a Popular Science in Statistics. $3 1114886
650 2 4 $a Popular Computer Science. $3 1070599
650 2 4 $a Popular Science in Mathematics. $3 1067375
700 1 $a Soo, Kenneth. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1280484
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783662567753
856 4 0 $u https://doi.org/10.1007/978-3-662-56776-0
912 $a ZDB-2-SNA
950 $a Life Science and Basic Disciplines (German Language) (SpringerNature-11777)