Philipp Grunert: No-Code Data Science, Flexibler Einband

Klappentext

• Vollständige Data-Science- und Machine-Learning-Projekte ohne Programmierung umsetzen - mit der Open-Source-Software KNIME
• Praxisnahe Datenanalyse-Workflows entlang des bewährten CRISP-DM-Prozesses entwickeln, bewerten und automatisieren
• Reale Use Cases aus Marketing, Finanzen, Produktion, Healthcare, Diagnostik und Retail nachvollziehen und auf eigene Projekte übertragen

Data Science ohne Programmierung

Dieses Buch zeigt Ihnen, wie Sie mit KNIME vollständige Data-Science- und Machine-Learning-Projekte ohne Programmierkenntnisse umsetzen. Sie lernen, Daten systematisch zu prüfen und aufzubereiten, Modelle zu trainieren, Ergebnisse fachlich und technisch zu bewerten und Workflows so aufzubauen, dass sie im Arbeitsalltag wiederverwendbar sind. Das Buch richtet sich an Data Analysts und Business Analysts ebenso wie an Fach- und Führungskräfte, Studierende und alle, die datengetriebene Projekte praxisnah realisieren möchten.

Strukturierte Workflows nach CRISP-DM

Als roter Faden dient der bewährte CRISP-DM-Prozess. Schritt für Schritt durchlaufen Sie Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment - jeweils konkret umgesetzt in KNIME. Dabei geht es nicht nur darum, Modelle zu trainieren, sondern auch, Zielgrößen sauber zu definieren, Datenrisiken zu erkennen, Schwellenwerte festzulegen und Ergebnisse in konkrete Entscheidungen und Prozessschritte zu übersetzen.

Praxisnahe Projekte für reale Anwendungsfälle

Durchgängige Beispielprojekte aus verschiedenen Branchen zeigen, wie sich dieselbe methodische Logik auf unterschiedliche Fragestellungen übertragen lässt: von Kampagnenreaktionen und Kundenabwanderung über Kreditrisiken, Betrugserkennung und Produktionsqualität bis hin zu Healthcare-, Diagnose- und Retail-Anwendungen. So erwerben Sie nicht nur KNIME-Know-how, sondern auch eine Methodik, mit der Sie eigene Analyse-, Machine-Learning- und Automatisierungsprojekte strukturiert umsetzen können.