Kostenfreier Download Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)
Quellen nötig? Von jeder Art der Bücher? Versuch Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) Dieses Buch können Sie die Anregungen für Ihre Verpflichtungen zur Festsetzung? Erster kurzes Fälligkeitsdatum? Sind Sie verwirrt noch die brandneue Inspiration zu bekommen? Dieses Buch wird ständig für Sie angeboten werden. Ja, natürlich, wird diese Zugänglichkeit sicherlich Sorgen über den exakt gleichen Gegenstand dieser Veröffentlichung. Wenn Sie tatsächlich benötigen die zu diesem vergleichbaren Thema Konzepte, können Sie nicht für verschiedene andere Ressource suchen werden ratlos müssen zu.
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)
Kostenfreier Download Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)
Ist Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) Ihr bevorzugter Boom suchen zur Zeit? Es ist extrem unvorhersehbar, dass wir genau das was Sie so viel verlangen. Aber wie die meisten fertigen Veröffentlichung Websites, wir bieten sicherlich alle Buch Arten, Themen, Sammlungen von Fachautoren, Autoren und Verlagen auch in dieser Welt. Auf diese Weise konnte man nicht betäuben. Ja, durch das Surfen nach Titel oder Autor in dieser Website, können Sie das Buch entdecken benötigt.
We recognize that everybody will need various book to check out. The needs will certainly rely on how they collaborate with. When they require the sources from the other country, we will certainly not let them feel so hard. We provide the books from abroad conveniently based upon the soft file supplied in link checklists. All books that we supply remain in simple methods to link and also get, as the Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) in soft data in this web site.
When you have such particular necessity that you should understand and recognize, you could begin by checking out the checklists of the ceramic tile. Now, we will invite you to know even more about Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) that we likewise provide toy you for making and also getting the lessons. It includes the easy methods and also easy languages that the writer has written. The book is likewise presented for all people aspects as well as communities. You might not really feel tough to know just what the author will certainly tell about.
After getting the soft documents, you could quickly develop new inspirations in your mind. It is not easy to obtain the book in your city, probably additionally by checking out the shop. Going to the store will not also offer guarantee to get guide? So, why do not you take Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) in this site? Even that's just the soft documents; you could truly feel that the book will certainly be so valuable for you and also life about.
Über den Autor und weitere Mitwirkende
Prof. Dr. Uwe Haneke lehrt seit 2003 an der Fakultät für Informatik und Wirtschaftsinformatik (IWI) der Hochschule Karlsruhe – Technik und Wirtschaft. Zu seinen Hauptarbeitsgebieten gehören Betriebswirtschaftslehre, Business Intelligence, Geschäftsprozessmanagement und Projektmanagement. Daneben leitet er das von ihm gegründete osbi::lab an der Hochschule Karlsruhe, wo er sich vor allem mit Fragestellungen aus den Bereichen Business Analytics, Big Data und Visualisierung beschäftigt. Prof. Dr. Stephan Trahasch ist seit 2012 an der Hochschule Offenburg Professor für betriebliche Kommunikationssysteme und IT-Sicherheit. Seine Schwerpunkte liegen in den Bereichen Data Mining, Big Data, Agile Business Intelligence. Seine Forschungsprojekte in der Forschungsgruppe Analytics und Data Science beschäftigen sich mit der praktischen Anwendung von Data Mining und Big Data Technologien in Unternehmen sowie der Weiterentwicklung von BI-Produkten um fortgeschrittene analytische Methoden. Dr. Michael Zimmer ist Senior Manager in der Service Line Analytics und Information Management bei Deloitte. Er beschäftigt sich mit der Konzeption, Einführung und Weiterentwicklung komplexer Data&Analytics Architekturen. Seine Schwerpunktthemen sind Data & Analytics Strategie sowie die Industrialisierung hybrider Analytics-Architekturen. Daneben ist Michael Zimmer Speaker, Autor und Herausgeber zu diversen Publikationen zum Thema agile BI und digitiale Agilität. Prof. Dr. Carsten Felden ist Universitätsprofessor an der TU Bergakademie Freiberg in Sachsen. Dabei hat er die Professur für ABWL, insbesondere Informationswirtschaft/Wirtschaftsinformatik inne. In der Lehre fokussiert Prof. Dr. Felden auf Business Intelligence und Predictive Analytics. Zentrale Forschungsthemen sind Arbeiten im Bereich der Analytics, des Data Warehousing, der Prozessanalyse, der XBRL und Analysen in IT-Reifegradmodellen. Er ist Vorstandsvorsitzender des TDWI Deutschland e.V.
Produktinformation
Gebundene Ausgabe: 336 Seiten
Verlag: dpunkt.verlag GmbH (9. Mai 2019)
Sprache: Deutsch
ISBN-10: 3864906105
ISBN-13: 978-3864906107
Größe und/oder Gewicht:
17,2 x 2,7 x 24,6 cm
Durchschnittliche Kundenbewertung:
5.0 von 5 Sternen
2 Kundenrezensionen
Amazon Bestseller-Rang:
Nr. 82.737 in Bücher (Siehe Top 100 in Bücher)
Ich denke, dass man dieses Buch mit dem amerikanischen Bestseller, „Data Science for Business“, vergleichen kann.Als „neutraler“ Schweizer lebend in Deutschland, nehme ich mir die Freiheit und spiele Schiedsrichter :-)USA:Das amerikanische Buch liest sich meiner Meinung nach viel flüssiger. Fast atypisch, wird auf großen Hype verzichtet. Warum fast eine ganze Seite benötigt wird, um die Euklidische Distanz zu erklären, werde ich wohl nie verstehen (angeben?).Deutschland:Viel „nüchterner“ geschrieben, dafür mit tiefem Verständnis der teilweise komplexen Zusammenhänge. Dazu super Einsichten aus der Praxis, speziell zur Geschichte, BI (Business Intelligence) und Scrum.Ein paar Stichpunkte:Kapital 1 – 4(+) Genial: von Data Mining zu BI zu Data Science.(-) Seite 20: „Auf dem Gebiet der Data Science ist domänspezifische Expertise unabdingbar.“Hmmmm, gefährlich. Die Amis nennen das „all data is the same.“ Anders gesagt, wenn ich einen Algorithmus trainiere, ist es mir egal, ob ich das Absprungs Risiko eines Kunden oder das Brustkrebsrisiko ermittle.(-) Seite 33: „Über die Zuverlässigkeit und Treffsicherheit des Algorithmus bestimmt die Qualität der ihm zugeführten Daten.“Das stimmt so nicht ganz. Auch wenn die Datenqualität perfekt ist, kann die Treffsicherheit lausig sein, wenn der Algorithmus kein Muster erkennen kann (z.B. wenn die Kunden zufällig abspringen). Das habe ich aus schmerzhafter Erfahrung gelernt.Kapitel 7 + 8(+) Genial: BI Landschaft, Self-Service BI und ETL.Kapitel 11: Customer Churn mit Keras/TensorFlow und H2O(+) Die Kosten-Nutzen-Kalkulation für Churn ist genial.(-) Ob man ROC bei einem unbalanced Dataset nutzen sollte, ist fraglich (siehe Kaggle).(-) Bei tabellarischen Daten ist Keras/TensorFlow wirklich keine gute Wahl. Overfitting ist unglaublich schwer einzudämmen. Die Erfahrung auf Kaggle zeigt, dass traditionelle Algorithmen (z.B. XGBoost) einem Deep Learning Ansatz in diesem Fall (fast) immer überlegen ist.(-) „Vorbereitung der Daten“ fällt etwas dürftig aus. Richtig ist, dass das Markieren von NAN’s in einer neuen Spalte ein guter Kaggle Trick ist (deckt MCAR, MAR und MNAR ab). Fehlende Wert (Imputation) sollte dann aber mit dem Mittel (falls Normalverteilung) oder Median (falls keine Normalverteilung) ersetzt werden.Kapitel 15: Scrum in Data-Science Projekten(+) Geniales Kapitel von A – Z.Konklusion:Sehr gute Lektüre, speziell für Praktiker in Data Science.
➤ Warum gekauft?weil ich vor Jahren Wirtschaftsinformatik studiert habe und den Schwerpunkt Information Retrieval hatte, seit Jahren mit Data Warehouses und mit BI zu tun habe. Einer meiner ehemaligen Azubis macht seinen Master in Data Science in Salzburg und nun dachte ich mir, schauen wir mal, was für aktuelle Literatur es zum Thema gibt.➤ BewertungPositiv✔ hat mich wirklich fachlich weiter gebracht.✔ die Aussagen sind sehr präzise formuliert und geht sehr in die Tiefe✔ das Buch bleibt sehr sachlich✔ der Hype um Data-Science wird kritisch betrachtet (vieles ist gar nicht so neu ... nur weiß das nicht jeder)✔ da wir in der Firma das Scrum Framework für unsere Projekte nutzen ist das Thema Scrum + Data Science für mich superNegativ✘ an manchen stellen doch ein wenig schwierig zu lesen und man muss ich wirklich sehr konzentrieren und manche Sätze mehrfach lesen. das ist ein Fachbuch, wie ich es von früher aus der Uni kenne➤ FazitDas Buch ist ein "echtes" Fachbuch, es hat mich tatsächlich weiter gebracht. Es hat mich darin bestätigt, dass viel, von dem was man heutzutage hört oder liest zum Thema AI/KI, Data Science, Deep Learning usw. doch noch in den Kinderschuhen steckt und viele, die von den Themen reden gar nicht wissen, worüber sie reden. Die Autoren gehen mit dem Thema eher kritisch, zeigen auf, dass das alles noch in den Kinderschuhen steckt aber auf jeden Fall ein spannendes und zukunftsweisendes Thema ist.Inhaltlich fand ich die Kapitel zur Hinführung von den Neunzigern (BI, Data Warehouse usw. ) in die Jetzt-Zeit sehr gelungen. Ebenso finde ich die Abschnitte mit den praktischen Beispielen sehr nützlich.Dies ist ein Buch, mit dem man im Arbeitsalltag wirklich etwas anfangen kann, es hat mich auf jeden Fall weiter gebracht. Jetzt gilt es das Gelernte auch in die Praxis zu transferieren, das wird spannend ....
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) PDF
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) EPub
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) Doc
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) iBooks
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) rtf
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) Mobipocket
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) Kindle
