Download PDF Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) (2023)

Download PDF Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)

Wenn Sie eine solche besondere Notwendigkeit, die Sie müssen erkennen, und auch zu erkennen, können Sie durch das Lesen der Checklisten der Bodenplatte beginnen. Derzeit begrüßen wir Sie noch mehr über Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) zu verstehen, dass wir zusätzlich für die Herstellung sowie den Erhalt der Unterricht Spielzeug Sie geben. Es umfasst die einfachen Möglichkeiten, und auch leicht Sprachen, die der Autor geschaffen hat. Leitfaden wird auch für alle Personen, Elemente und Bereiche zur Verfügung gestellt. Sie könnten nicht schwer fühlen, genau zu verstehen, was der Schriftsteller wird sicherlich skizzieren.

Download PDF Data Science: Grundlagen, Architekturen und Anwendungen(Edition TDWI) (1)

Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)


Download PDF Data Science: Grundlagen, Architekturen und Anwendungen(Edition TDWI) (2)

Download PDF Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)

Diskussion Hobby unter den Spielen, die eine Person wirksam liest machen. Darüber hinaus ein hohes zertifizierte Buch heraus überprüfen. Eine, die Sie als Quelle wählen können, ist Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) Dies ist nicht Art von Standard-Buch, die fantastischen Namen hat. Es ist sicher, Publikation, die wir Ihnen wirklich empfehlen zu überprüfen. Durch Freizeitaktivität Publikationen zu überprüfen, können Sie immer Ihren Geist in all der Zeit verbessern. Neben was können Sie zur Zeit nehmen Sie entdecken die verantwortliche Lesegut zu helfen, diese Publikation ist.

Nun, was über Sie, die nie diese Art von Buch lesen? Dies ist Ihre Zeit Verständnis zu beginnen und diese Art der Veröffentlichung Kategorie zu lesen. Nie Frage der Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI), die wir bieten. Es wird Sie in die wirklich brandneue Leben bringen. Auch legt nahe, es nicht auf das echte brandneue Leben, wir stellen sicher, dass Ihr Leben viel besser sein wird. Sie werden ebenfalls die brandneuen Dinge, die Sie jemals nie von den verschiedenen anderen Quellen erhalten.

Wie zu erkennen, ist Buch eine sehr gute Quelle zu nehmen, wenn Sie etwas zu tun, bereiten, zu adressieren Problem hat oder für Zieldatum Job zu haben. Es kann ein Kumpel sein, dass Sie den Moment, in vorteilhafter Weise zu verbringen. Promo über dieses Buch hat in verschiedenen Methoden tatsächlich geblieben. Wie hier bieten wir Ihnen die Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) aufgrund der Tatsache sind, dass es bemerkenswertes System von jemandem zu lesen es wirklich gibt.

die weichen Daten von Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI), obwohl dieser Seite Sicherzustellen, viele Menschen haben ebenfalls heruntergeladen. Nur durch die Web-Link, die angeboten wird, können Sie direkt führen gehen. Auch hier wird dieses Buch sicherlich wirklich wichtig für Sie, auch einfach, wie gut sie sind zu lesen, da sie Ihnen das weit bessere Leben führen. Also, was denken Sie über dieses Upgrade Büchersammlung? Lassen Sie uns nun überprüfen und bereiten diese Veröffentlichung zu machen als auf jeden Fall Ihre Sammlung und Analyse von Materialien. Glaube es!

Download PDF Data Science: Grundlagen, Architekturen und Anwendungen(Edition TDWI) (3)

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

Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) PDF

Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) PDF

Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) PDF
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI) PDF
Top Articles
Latest Posts
Article information

Author: Rubie Ullrich

Last Updated: 02/05/2023

Views: 6197

Rating: 4.1 / 5 (52 voted)

Reviews: 83% of readers found this page helpful

Author information

Name: Rubie Ullrich

Birthday: 1998-02-02

Address: 743 Stoltenberg Center, Genovevaville, NJ 59925-3119

Phone: +2202978377583

Job: Administration Engineer

Hobby: Surfing, Sailing, Listening to music, Web surfing, Kitesurfing, Geocaching, Backpacking

Introduction: My name is Rubie Ullrich, I am a enthusiastic, perfect, tender, vivacious, talented, famous, delightful person who loves writing and wants to share my knowledge and understanding with you.