國立虎尾科技大學 |

Data Science = Konzepte, Erfahrungen, Fallstudien und Praxis /

Record Type:	Language materials, printed : Monograph/item
Title/Author:	Data Science/ herausgegeben von Detlev Frick, Andreas Gadatsch, Jens Kaufmann, Birgit Lankes, Christoph Quix, Andreas Schmidt, Uwe Schmitz.
Reminder of title:	Konzepte, Erfahrungen, Fallstudien und Praxis /
other author:	Frick, Detlev.
Description:	XLIII, 359 S. 133 Abb., 90 Abb. in Farbe.online resource. :
Contained By:	Springer Nature eBook
Subject:	Data structures (Computer science). -
Online resource:	https://doi.org/10.1007/978-3-658-33403-1
ISBN:	9783658334031

Data Science = Konzepte, Erfahrungen, Fallstudien und Praxis /
Data ScienceKonzepte, Erfahrungen, Fallstudien und Praxis /[electronic resource] :herausgegeben von Detlev Frick, Andreas Gadatsch, Jens Kaufmann, Birgit Lankes, Christoph Quix, Andreas Schmidt, Uwe Schmitz. - 1st ed. 2021. - XLIII, 359 S. 133 Abb., 90 Abb. in Farbe.online resource.

Data Strategist: Digitalisierung von Geschäftsmodellen – Big Data Technologien erfolgreich implementieren -- Data Architect: Informationsarchitekturen gestalten – Daten effizient verwalten -- Data Analyst: Auswerten, Präsentieren, Entscheiden – Systematische Datenanalyse im Unternehmen -- Anwendungsorientierte Data Science.

Data Science ist in vielen Organisationen angekommen und oft alltägliche Praxis. Dennoch stehen viele Verantwortliche vor der Herausforderung, sich erstmalig mit konkreten Fragestellungen zu beschäftigen oder laufende Projekte weiterzuentwickeln. Die Spannbreite der Methoden, Werkzeuge und Anwendungsmöglichkeiten ist sehr groß und entwickelt sich kontinuierlich weiter. Die Vielzahl an Publikationen zu Data Science ist spezialisiert und behandelt fokussiert Einzelaspekte. Das vorliegende Werk gibt den Leserinnen und Lesern eine umfassende Orientierung zum Status Quo aus der wissenschaftlichen Perspektive und zahlreiche vertiefende Darstellungen praxisrelevanter Aspekte. Die Inhalte bauen auf den wissenschaftlichen CAS-Zertifikatskursen zu Big Data und Data Science der Hochschule Niederrhein in Kooperation mit der Hochschule Bonn-Rhein-Sieg und der FH Dortmund auf. Sie berücksichtigen wissenschaftliche Grundlagen und Vertiefungen, aber auch konkrete Erfahrungen aus Data Science Projekten. Das Buch greift praxisrelevante Fragen auf wissenschaftlichem Niveau aus Sicht der Rollen eines „Data Strategist“, „Data Architect“ und „Data Analyst“ auf und bindet erprobte Praxiserfahrungen u. a. von Seminarteilnehmern mit ein. Das Buch gibt für Interessierte einen Einblick in die aktuell relevante Vielfalt der Aspekte zu Data Science bzw. Big Data und liefert Hinweise für die praxisnahe Umsetzung. Der Inhalt Data Strategist: Digitalisierung von Geschäftsmodellen – Big Data Technologien erfolgreich implementieren Data Architect: Informationsarchitekturen gestalten – Daten effizient verwalten Data Analyst: Auswerten, Präsentieren, Entscheiden – Systematische Datenanalyse im Unternehmen Anwendungsorientierte Data Science Die Zielgruppen Fachkräfte und Experten in Wirtschaft und Wissenschaft fortgeschrittene Studierende der Wirtschaftsinformatik und Betriebswirtschaftslehre mit Interesse an Big Data und Data Science Die Herausgeber*innen Prof. Dr. Detlev Frick ist Professor für BWL, insb. Wirtschaftsinformatik an der Hochschule Niederrhein, Prof. Dr. Andreas Gadatsch ist Professor für BWL, insb. für Wirtschaftsinformatik an der Hochschule Bonn-Rhein-Sieg, Prof. Dr. Jens Kaufmann ist Professor für Wirtschaftsinformatik, insb. Data Science an der Hochschule Niederrhein, Dipl.-Kff. (FH) Birgit Lankes ist Lehrkraft für besondere Aufgaben an der Hochschule Niederrhein, Prof. Dr. Christoph Quix ist Professor für Wirtschaftsinformatik und Data Science an der Hochschule Niederrhein, Andreas Schmidt, M.A. ist Wissenschaftlicher Mitarbeiter im Data Innovation Lab der Hochschule Bonn-Rhein-Sieg und Prof. Dr. Uwe Schmitz ist Professor für Wirtschaftsinformatik an der FH Dortmund.

ISBN: 9783658334031

Standard No.: 10.1007/978-3-658-33403-1doiSubjects--Topical Terms:

680370
Data structures (Computer science).

LC Class. No.: QA76.9.D35

Dewey Class. No.: 005.73

Data Science = Konzepte, Erfahrungen, Fallstudien und Praxis /
LDR:04435nam a22003735i 4500 001 1057085
003 DE-He213
005 20211111142218.0
007 cr nn 008mamaa
008 220103s2021 gw | s |||| 0|ger d
020 $a 9783658334031 $9 978-3-658-33403-1
024 7 $a 10.1007/978-3-658-33403-1 $2 doi
035 $a 978-3-658-33403-1
050 4 $a QA76.9.D35
050 4 $a Q350-390
072 7 $a UMB $2 bicssc
072 7 $a COM031000 $2 bisacsh
072 7 $a UMB $2 thema
072 7 $a GPF $2 thema
082 0 4 $a 005.73 $2 23
245 1 0 $a Data Science $h [electronic resource] : $b Konzepte, Erfahrungen, Fallstudien und Praxis / $c herausgegeben von Detlev Frick, Andreas Gadatsch, Jens Kaufmann, Birgit Lankes, Christoph Quix, Andreas Schmidt, Uwe Schmitz.
250 $a 1st ed. 2021.
264 1 $a Wiesbaden : $b Springer Fachmedien Wiesbaden : $b Imprint: Springer Vieweg, $c 2021.
300 $a XLIII, 359 S. 133 Abb., 90 Abb. in Farbe. $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 Data Strategist: Digitalisierung von Geschäftsmodellen – Big Data Technologien erfolgreich implementieren -- Data Architect: Informationsarchitekturen gestalten – Daten effizient verwalten -- Data Analyst: Auswerten, Präsentieren, Entscheiden – Systematische Datenanalyse im Unternehmen -- Anwendungsorientierte Data Science.
520 $a Data Science ist in vielen Organisationen angekommen und oft alltägliche Praxis. Dennoch stehen viele Verantwortliche vor der Herausforderung, sich erstmalig mit konkreten Fragestellungen zu beschäftigen oder laufende Projekte weiterzuentwickeln. Die Spannbreite der Methoden, Werkzeuge und Anwendungsmöglichkeiten ist sehr groß und entwickelt sich kontinuierlich weiter. Die Vielzahl an Publikationen zu Data Science ist spezialisiert und behandelt fokussiert Einzelaspekte. Das vorliegende Werk gibt den Leserinnen und Lesern eine umfassende Orientierung zum Status Quo aus der wissenschaftlichen Perspektive und zahlreiche vertiefende Darstellungen praxisrelevanter Aspekte. Die Inhalte bauen auf den wissenschaftlichen CAS-Zertifikatskursen zu Big Data und Data Science der Hochschule Niederrhein in Kooperation mit der Hochschule Bonn-Rhein-Sieg und der FH Dortmund auf. Sie berücksichtigen wissenschaftliche Grundlagen und Vertiefungen, aber auch konkrete Erfahrungen aus Data Science Projekten. Das Buch greift praxisrelevante Fragen auf wissenschaftlichem Niveau aus Sicht der Rollen eines „Data Strategist“, „Data Architect“ und „Data Analyst“ auf und bindet erprobte Praxiserfahrungen u. a. von Seminarteilnehmern mit ein. Das Buch gibt für Interessierte einen Einblick in die aktuell relevante Vielfalt der Aspekte zu Data Science bzw. Big Data und liefert Hinweise für die praxisnahe Umsetzung. Der Inhalt Data Strategist: Digitalisierung von Geschäftsmodellen – Big Data Technologien erfolgreich implementieren Data Architect: Informationsarchitekturen gestalten – Daten effizient verwalten Data Analyst: Auswerten, Präsentieren, Entscheiden – Systematische Datenanalyse im Unternehmen Anwendungsorientierte Data Science Die Zielgruppen Fachkräfte und Experten in Wirtschaft und Wissenschaft fortgeschrittene Studierende der Wirtschaftsinformatik und Betriebswirtschaftslehre mit Interesse an Big Data und Data Science Die Herausgeber*innen Prof. Dr. Detlev Frick ist Professor für BWL, insb. Wirtschaftsinformatik an der Hochschule Niederrhein, Prof. Dr. Andreas Gadatsch ist Professor für BWL, insb. für Wirtschaftsinformatik an der Hochschule Bonn-Rhein-Sieg, Prof. Dr. Jens Kaufmann ist Professor für Wirtschaftsinformatik, insb. Data Science an der Hochschule Niederrhein, Dipl.-Kff. (FH) Birgit Lankes ist Lehrkraft für besondere Aufgaben an der Hochschule Niederrhein, Prof. Dr. Christoph Quix ist Professor für Wirtschaftsinformatik und Data Science an der Hochschule Niederrhein, Andreas Schmidt, M.A. ist Wissenschaftlicher Mitarbeiter im Data Innovation Lab der Hochschule Bonn-Rhein-Sieg und Prof. Dr. Uwe Schmitz ist Professor für Wirtschaftsinformatik an der FH Dortmund.
650 0 $a Data structures (Computer science). $3 680370
650 0 $a Artificial intelligence. $3 559380
650 0 $a Big data. $3 981821
650 0 $a Computer science. $3 573171
650 0 $a Information technology. $3 559429
650 0 $a Business—Data processing. $3 1253699
650 0 $a Statistics . $3 1253516
650 1 4 $a Data Structures and Information Theory. $3 1211601
650 2 4 $a Artificial Intelligence. $3 646849
650 2 4 $a Big Data. $3 1017136
650 2 4 $a Computer Science, general. $3 669807
650 2 4 $a IT in Business. $3 1064965
650 2 4 $a Statistics, general. $3 671463
700 1 $a Frick, Detlev. $e editor. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1362479
700 1 $a Gadatsch, Andreas. $e author. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1264218
700 1 $a Kaufmann, Jens. $e editor. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1362480
700 1 $a Lankes, Birgit. $e editor. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1362481
700 1 $a Quix, Christoph. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1205939
700 1 $a Schmidt, Andreas. $e author. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1262521
700 1 $a Schmitz, Uwe. $e author. $4 edt $4 http://id.loc.gov/vocabulary/relators/edt $3 1353445
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783658334024
856 4 0 $u https://doi.org/10.1007/978-3-658-33403-1
912 $a ZDB-2-STI
950 $a Computer Science and Engineering (German Language) (SpringerNature-11774)