Foster Provost: Data Science für Unternehmen, Kartoniert / Broschiert
Data Science für Unternehmen
- Data Mining und datenanalytisches Denken praktisch anwenden
- Verlag:
- MITP Verlags GmbH, 10/2017
- Einband:
- Kartoniert / Broschiert, ,
- Sprache:
- Deutsch
- ISBN-13:
- 9783958455467
- Artikelnummer:
- 6173931
- Umfang:
- 432 Seiten
- Gewicht:
- 775 g
- Maße:
- 241 x 172 mm
- Stärke:
- 33 mm
- Erscheinungstermin:
- 26.10.2017
- Serie:
- mitp Business
Klappentext
- Die grundlegenden Konzepte der Data Science verstehen, Wissen aus Daten ziehen und für Vorhersagen und Entscheidungen nutzen
- Die wichtigsten Data-Mining-Verfahren gezielt und gewinnbringend einsetzen
- Zahlreiche Praxisbeispiele zur Veranschaulichung
Die anerkannten Data-Science-Experten Foster Provost und Tom Fawcett stellen in diesem Buch die grundlegenden Konzepte der Data Science vor, die für den effektiven Einsatz im Unternehmen von Bedeutung sind.
Sie erläutern das datenanalytische Denken, das erforderlich ist, damit Sie aus Ihren gesammelten Daten nützliches Wissen und geschäftlichen Nutzen ziehen können. Sie erfahren detailliert, welche Methoden der Data Science zu hilfreichen Erkenntnissen führen, so dass auf dieser Grundlage wichtige Entscheidungsfindungen unterstützt werden können.
Dieser Leitfaden hilft Ihnen dabei, die vielen zurzeit gebräuchlichen Data-Mining-Verfahren zu verstehen und gezielt und gewinnbringend anzuwenden. Sie lernen u. a., wie Sie:
- Data Science in Ihrem Unternehmen nutzen und damit Wettbewerbsvorteile erzielen
- Daten als ein strategisches Gut behandeln, in das investiert werden muss, um echten Nutzen daraus zu ziehen
- Geschäftliche Aufgaben datenanalytisch angehen und den Data-Mining-Prozess nutzen, um auf effiziente Weise sinnvolle Daten zu sammeln
Das Buch beruht auf einem Kurs für Betriebswirtschaftler, den Provost seit rund zehn Jahren an der New York University unterrichtet, und nutzt viele Beispiele aus der Praxis, um die Konzepte zu veranschaulichen.
Das Buch richtet sich an Führungskräfte und Projektmanager, die Data-Science-orientierte Projekte managen, an Entwickler, die Data-Science-Lösungen implementieren sowie an alle angehenden Data Scientists und Studenten. Aus dem Inhalt:
- Datenanalytisches Denken lernen
- Der Data-Mining-Prozess
- Überwachtes und unüberwachtes Data Mining
- Einführung in die Vorhersagemodellbildung: von der Korrelation zur überwachten Segmentierung
- Anhand der Daten optimale Modellparameter finden mit Verfahren wie lineare und logistische Regression sowie Support Vector Machines
- Prinzip und Berechnung der Ähnlichkeit
- Nächste-Nachbarn-Methoden und Clustering
- Entscheidungsanalyse I: Was ist ein gutes Modell
- Visualisierung der Leistung von Modellen
- Evidenz und Wahrscheinlichkeiten
- Texte repräsentieren und auswerten
- Entscheidungsanalyse II: Analytisches Engineering
- Data Science und Geschäftsstrategie
Biografie (Foster Provost)
Foster Provost is Professor and NEC Faculty Fellow at the NYU Stern School of Business where he teaches in the MBA, Business Analytics, and Data Science programs. His award-winning research is read and cited broadly. Prof. Provost has co-founded several successful companies focusing on data science for marketing.Biografie (Tom Fawcett)
Tom Fawcett holds a Ph.D. in machine learning and has worked in industry R&D for more than two decades for companies such as GTE Laboratories, NYNEX/Verizon Labs, and HP Labs. His published work has become standard reading in data science both on methodology (evaluating data mining results) and on applications (fraud detection and spam filtering).Anmerkungen:
Bitte beachten Sie, dass auch wir der Preisbindung unterliegen und kurzfristige Preiserhöhungen oder -senkungen an Sie weitergeben müssen.
