Free Download Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)
Überprüfen ein Buch heraus könnte Ihnen helfen, Ihre Idee, Geist, Lehre, Erfahrungen zu verbessern, und auch angenehm. Auch haben Sie verschiedene Art der Veröffentlichung lesen; es wird sicherlich beide sehr gleichen und auch unterschiedliche Auswirkungen geben. Zu dieser Veröffentlichung können Sie eine neue Methode in Bezug lokalisieren, was Sie jetzt tatsächlich benötigen. Durch die Investition pro Tag nur wenige Male Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) zu überprüfen, Sie Zukunft wird sicherlich viel besser mit der Lektion zur Zeit zu erhalten. Bereiten Sie und auch ständig daran erinnern, es in Bezug auf!
Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)
Free Download Data Science: Grundlagen, Architekturen und Anwendungen (Edition TDWI)
Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) . Es ist die Zeit zu verbessern und Ihre Fähigkeiten zu aktualisieren, das Verständnis sowie Begegnung für Sie einig Home - Entertainment enthielt nach langer Zeit mit monotonen Dingen. Arbeiten im Büro, gehen zu studieren, von Test und mehr Aufgaben gewinnen könnten genauso gut abgeschlossen werden , wie Sie brandneue Dinge anfangen. Wenn Sie wirklich so müde fühlen, warum Sie nicht brandneuen Punkt versuchen? Eine wirklich einfache Sache? Checking out Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) ist genau das, was wir bieten Ihnen sicherlich verstehen. Und auch das Buch mit dem Titel Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) ist die Referenz jetzt.
Wenn Sie wirklich führen wollen Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) zur Zeit zu beziehen, müssen Sie diese Webseite ständig folgen. Warum? Denken Sie daran , dass Sie die Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) Quelle benötigen , die Sie mit der rechten Annahme liefert, nicht wahr? Durch den Besuch dieser Internet - Seite, hat damit begonnen , ihr neues Geschäft zu machen, konsequent aktualisiert werden. Es ist das erste , was Sie beginnen könnten , um alle Vorteile diesen Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) in einer Website verbleibenden nehmen zu erhalten und verschiedenen anderen Sammlungen.
Von derzeit Lokalisieren der abgeschlossenen Website , die die fertigen Bücher verkauft wird viel, aber wir verlassen Website zu überprüfen sind. Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) mit sehr einfachen Web - Link, sehr einfach herunterladen, und auch unsere besseren Lösungen abgeschlossen Buchbeständen werden zu erhalten. Sie könnten entdecken und auch Sie die Vorteile der Wahl dieser Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) als alles , was Sie tun machen. Das Leben ist immer die Entwicklung und auch erforderlich , dass Sie eine neue Publikation Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) Referenz ständig sein.
Wenn Sie noch mehr Bücher benötigen Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) als Empfehlungen, geht den Titel und Stil in dieser Website suchen angeboten wird. Sie werden mehr Angebote Bücher Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) in verschiedenen Disziplinen. Sie könnten ebenfalls , wenn möglich , das Buch zu lesen , die gerade heruntergeladen wird. Öffnen Sie es und speichern Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) in Ihrer Festplatte oder Gadget. Es wird Sie sicherlich entlasten , wo immer Sie das Buch weichen Datei überprüfen müssen. Diese Data Science: Grundlagen, Architekturen Und Anwendungen (Edition TDWI) Soft - Dokumente können lesen für jede Person seiner Empfehlung der Fähigkeit und auch Kapazität zu steigern.
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
0 comments:
Post a Comment