Coverart for item
The Resource Data Science -- was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt, Anna Ng, Kenneth Soo ; aus dem Englischen übersetzt von Matthias Delbrück

Data Science -- was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt, Anna Ng, Kenneth Soo ; aus dem Englischen übersetzt von Matthias Delbrück

Label
Data Science -- was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt
Title
Data Science -- was ist das eigentlich?!
Title remainder
Algorithmen des maschinellen Lernens verständlich erklärt
Statement of responsibility
Anna Ng, Kenneth Soo ; aus dem Englischen übersetzt von Matthias Delbrück
Creator
Contributor
Author
Translator
Subject
Language
  • ger
  • eng
  • ger
Summary
Sie möchten endlich wissen, was sich hinter Schlagworten wie „Data Sciencez und „Machine Learningz eigentlich verbirgt – und was man alles damit anstellen kann? Auf allzu viel Mathematik würden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlüsselkonzepte der Datenwissenschaft und ihrer Algorithmen – und zwar ohne Sie mit mathematischen Formeln und Details zu belasten! Der Fokus liegt – nach einer übergeordneten Einführung – auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erläutert und mit einem leicht verständlichen, realen Anwendungsbeispiel verknüpft. Die Kombination aus intuitiven Erklärungen und zahlreichen Abbildungen ermöglicht dabei ein grundlegendes Verständnis, das ohne mathematische Formelsprache auskommt. Abschließend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt
Member of
Cataloging source
N$T
http://library.link/vocab/creatorName
Ng, Annalyn
Dewey number
005.7
Index
no index present
LC call number
QA76.9.B45
Literary form
non fiction
Nature of contents
  • dictionaries
  • bibliography
http://library.link/vocab/relatedWorkOrContributorName
  • Soo, Kenneth
  • Delbrück, Matthias
http://library.link/vocab/subjectName
  • Information science
  • Big data
  • Data mining
  • Quantitative research
  • Machine learning
  • Computer algorithms
Label
Data Science -- was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt, Anna Ng, Kenneth Soo ; aus dem Englischen übersetzt von Matthias Delbrück
Instantiates
Publication
Antecedent source
unknown
Bibliography note
Includes bibliographical references
Carrier category
online resource
Carrier category code
cr
Carrier MARC source
rdacarrier
Color
multicolored
Content category
text
Content type code
txt
Content type MARC source
rdacontent
Contents
  • Intro; Vorwort; Inhaltsverzeichnis; Über die Autoren; Warum Data Science?; 1 Das Wichtigste in Kürze …; 1.1 Datenaufbereitung; 1.1.1 Datenformate; 1.1.2 Arten von Variablen; 1.1.3 Auswahl von geeigneten Variablen; 1.1.4 Merkmalsextraktion; 1.1.5 Fehlende Daten; 1.2 Auswahl des Algorithmus; 1.2.1 Unüberwachtes Lernen; 1.2.2 Überwachtes Lernen; 1.2.3 Bestärkendes Lernen; 1.2.4 Andere Überlegungen; 1.3 Parameter; 1.4 Evaluation der Ergebnisse; 1.4.1 Regressionsmetrik; 1.4.2 Validierung; 1.5 Zusammenfassung; 2 k-Means-Clustering; 2.1 Wie man Kunden-Cluster findet
  • 2.2 Beispiel: Persönlichkeitsprofile von Filmfans2.3 Cluster definieren; 2.3.1 Wie viele Cluster haben wir?; 2.3.2 Was gehört in meinen Cluster?; 2.4 Grenzen; 2.5 Zusammenfassung; 3 Hauptkomponentenanalyse; 3.1 Der Nährwertgehalt von Lebensmitteln; 3.2 Hauptkomponenten; 3.3 Beispiel: Nahrungsmittelgruppen; 3.4 Grenzen; 3.5 Zusammenfassung; 4 Assoziationsanalyse; 4.1 Muster im Einkaufsverkaufsverhalten; 4.2 Support, Konfidenz und Lift; 4.3 Beispiel: Daten aus einem Lebensmittelgeschäft; 4.4 Das A-priori-Prinzip; 4.4.1 Mengen von Artikeln finden, die hohen Support haben
  • 4.4.2 Assoziationsregeln mit hoher Konfidenz oder hohem Lift4.5 Grenzen; 4.6 Zusammenfassung; 5 Soziale Netzwerkanalyse; 5.1 Beziehungen abbilden; 5.2 Beispiel: Waffenhandel und Geopolitik; 5.3 Die Louvain-Methode; 5.4 PageRank-Algorithmus; 5.5 Grenzen; 5.6 Zusammenfassung; 6 Regressionsanalyse; 6.1 Trendlinien; 6.2 Beispiel: Vorhersage von Hauspreisen; 6.3 Gradientenverfahren; 6.4 Regressionskoeffizienten; 6.5 Korrelationskoeffizienten; 6.6 Grenzen; 6.7 Zusammenfassung; 7 k-nächste Nachbarn und Ausreißererkennung; 7.1 Der Weindetektiv; 7.2 Gleich und gleich gesellt sich gern
  • 7.3 Beispiel: Der statistische Sommelier7.4 Ausreißererkennung; 7.5 Grenzen; 7.6 Zusammenfassung; 8 Support-Vektor-Maschine; 8.1 „Nein" oder „Oh Nein"?; 8.2 Beispiel: Diagnose einer Herzerkrankung; 8.3 Die optimale Grenzlinie; 8.4 Grenzen; 8.5 Zusammenfassung; 9 Entscheidungsbaum; 9.1 Wie man eine Katastrophe überlebt; 9.2 Beispiel: Rettung von der Titanic; 9.3 Einen Entscheidungsbaum erstellen; 9.4 Grenzen; 9.5 Zusammenfassung; 10 Random Forests; 10.1 Die Weisheit der Crowd; 10.2 Beispiel: Verbrechensvorhersage; 10.3 Ensembles; 10.4 Bootstrap Aggregating; 10.5 Grenzen; 10.6 Zusammenfassung
  • 11 Neuronale Netze11.1 Bauen Sie sich ein Gehirn!; 11.2 Beispiel: Handgeschriebene Zahlen erkennen; 11.3 Wie ein neuronales Netz denkt; 11.4 Aktivierungsregeln; 11.5 Grenzen; 11.6 Zusammenfassung; 12 A/B-Tests und vielarmige Banditen; 12.1 Grundlagen des A/B-Tests; 12.2 Grenzen von A/B-Tests; 12.3 Abnehmendes-Epsilon-Strategie; 12.4 Beispiel: Vielarmige Banditen; 12.5 Nett zu wissen: van Gaals Elfmeterschützen; 12.6 Grenzen einer Abnehmendes-Epsilon-Strategie; 12.7 Zusammenfassung; Anhang; Glossar; Literatur
Dimensions
unknown
Extent
1 online resource.
File format
unknown
Form of item
online
Isbn
9783662567760
Level of compression
unknown
Media category
computer
Media MARC source
rdamedia
Media type code
c
Quality assurance targets
not applicable
Reformatting quality
unknown
Sound
unknown sound
Specific material designation
remote
System control number
  • on1059124867
  • (OCoLC)1059124867
Label
Data Science -- was ist das eigentlich?! : Algorithmen des maschinellen Lernens verständlich erklärt, Anna Ng, Kenneth Soo ; aus dem Englischen übersetzt von Matthias Delbrück
Publication
Antecedent source
unknown
Bibliography note
Includes bibliographical references
Carrier category
online resource
Carrier category code
cr
Carrier MARC source
rdacarrier
Color
multicolored
Content category
text
Content type code
txt
Content type MARC source
rdacontent
Contents
  • Intro; Vorwort; Inhaltsverzeichnis; Über die Autoren; Warum Data Science?; 1 Das Wichtigste in Kürze …; 1.1 Datenaufbereitung; 1.1.1 Datenformate; 1.1.2 Arten von Variablen; 1.1.3 Auswahl von geeigneten Variablen; 1.1.4 Merkmalsextraktion; 1.1.5 Fehlende Daten; 1.2 Auswahl des Algorithmus; 1.2.1 Unüberwachtes Lernen; 1.2.2 Überwachtes Lernen; 1.2.3 Bestärkendes Lernen; 1.2.4 Andere Überlegungen; 1.3 Parameter; 1.4 Evaluation der Ergebnisse; 1.4.1 Regressionsmetrik; 1.4.2 Validierung; 1.5 Zusammenfassung; 2 k-Means-Clustering; 2.1 Wie man Kunden-Cluster findet
  • 2.2 Beispiel: Persönlichkeitsprofile von Filmfans2.3 Cluster definieren; 2.3.1 Wie viele Cluster haben wir?; 2.3.2 Was gehört in meinen Cluster?; 2.4 Grenzen; 2.5 Zusammenfassung; 3 Hauptkomponentenanalyse; 3.1 Der Nährwertgehalt von Lebensmitteln; 3.2 Hauptkomponenten; 3.3 Beispiel: Nahrungsmittelgruppen; 3.4 Grenzen; 3.5 Zusammenfassung; 4 Assoziationsanalyse; 4.1 Muster im Einkaufsverkaufsverhalten; 4.2 Support, Konfidenz und Lift; 4.3 Beispiel: Daten aus einem Lebensmittelgeschäft; 4.4 Das A-priori-Prinzip; 4.4.1 Mengen von Artikeln finden, die hohen Support haben
  • 4.4.2 Assoziationsregeln mit hoher Konfidenz oder hohem Lift4.5 Grenzen; 4.6 Zusammenfassung; 5 Soziale Netzwerkanalyse; 5.1 Beziehungen abbilden; 5.2 Beispiel: Waffenhandel und Geopolitik; 5.3 Die Louvain-Methode; 5.4 PageRank-Algorithmus; 5.5 Grenzen; 5.6 Zusammenfassung; 6 Regressionsanalyse; 6.1 Trendlinien; 6.2 Beispiel: Vorhersage von Hauspreisen; 6.3 Gradientenverfahren; 6.4 Regressionskoeffizienten; 6.5 Korrelationskoeffizienten; 6.6 Grenzen; 6.7 Zusammenfassung; 7 k-nächste Nachbarn und Ausreißererkennung; 7.1 Der Weindetektiv; 7.2 Gleich und gleich gesellt sich gern
  • 7.3 Beispiel: Der statistische Sommelier7.4 Ausreißererkennung; 7.5 Grenzen; 7.6 Zusammenfassung; 8 Support-Vektor-Maschine; 8.1 „Nein" oder „Oh Nein"?; 8.2 Beispiel: Diagnose einer Herzerkrankung; 8.3 Die optimale Grenzlinie; 8.4 Grenzen; 8.5 Zusammenfassung; 9 Entscheidungsbaum; 9.1 Wie man eine Katastrophe überlebt; 9.2 Beispiel: Rettung von der Titanic; 9.3 Einen Entscheidungsbaum erstellen; 9.4 Grenzen; 9.5 Zusammenfassung; 10 Random Forests; 10.1 Die Weisheit der Crowd; 10.2 Beispiel: Verbrechensvorhersage; 10.3 Ensembles; 10.4 Bootstrap Aggregating; 10.5 Grenzen; 10.6 Zusammenfassung
  • 11 Neuronale Netze11.1 Bauen Sie sich ein Gehirn!; 11.2 Beispiel: Handgeschriebene Zahlen erkennen; 11.3 Wie ein neuronales Netz denkt; 11.4 Aktivierungsregeln; 11.5 Grenzen; 11.6 Zusammenfassung; 12 A/B-Tests und vielarmige Banditen; 12.1 Grundlagen des A/B-Tests; 12.2 Grenzen von A/B-Tests; 12.3 Abnehmendes-Epsilon-Strategie; 12.4 Beispiel: Vielarmige Banditen; 12.5 Nett zu wissen: van Gaals Elfmeterschützen; 12.6 Grenzen einer Abnehmendes-Epsilon-Strategie; 12.7 Zusammenfassung; Anhang; Glossar; Literatur
Dimensions
unknown
Extent
1 online resource.
File format
unknown
Form of item
online
Isbn
9783662567760
Level of compression
unknown
Media category
computer
Media MARC source
rdamedia
Media type code
c
Quality assurance targets
not applicable
Reformatting quality
unknown
Sound
unknown sound
Specific material designation
remote
System control number
  • on1059124867
  • (OCoLC)1059124867

Library Locations

Processing Feedback ...