Cantitate/Preț
Produs
Total produse
Vezi coșul
Data Science Training - Supervised Learning: Ein praktischer Einstieg ins überwachte maschinelle Lernen de Stefan Selle

Data Science Training - Supervised Learning: Ein praktischer Einstieg ins überwachte maschinelle Lernen

Autor Stefan Selle
de Limba Germană Paperback – 11 sep 2024
Dieses Lehrbuch erklärt auf narrative und direkte Weise die wichtigen Zusammenhänge zwischen Data Science, Künstlicher Intelligenz und anderen Disziplinen und Domänen wie Datenschutz und Ethik, mit Fokus auf überwachtes Lernen (Supervised Learning).
Wir begleiten Anna und Karl während ihrer Traineephase in einer internationalen Versicherung. Schritt für Schritt reifen sie zu Data Scientists, indem sie sich intensiv mit der Titanic-Katastrophe auseinandersetzen. Anna kann Python programmieren, während Karl ein grafisches Werkzeug (KNIME Analytics Platform) benutzt. Bei ihren Untersuchungen stoßen sie auf interessante Fakten und Mythen. Mit Unterstützung von Max und Sophia verarbeiten sie historische Daten, um Vorhersagen zu erstellen (Predictive Analytics). Dabei benutzen sie Methoden und Algorithmen des maschinellen Lernens.
Begleitende Zusatzmaterialien (KNIME Workflows, Jupyter Notebooks, Erklärvideos) stehen den Lernenden online zur Verfügung. Und wenn in diesemBuch Anna und Karl sich auf Themen des überwachten Lernens konzentrieren, werden wir künftig mit ihnen noch weitere Gebiete der Data Science entdecken.
Citește tot Restrânge

Preț: 24860 lei

Preț vechi: 31075 lei
-20% Nou

Puncte Express: 373
Preț estimativ în valută:
4760€ • 4883$ • 4007£

Carte tipărită la comandă

Livrare economică 22-28 februarie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă
Preluare comenzi: 021 569.72.76

Specificații

ISBN-13: 9783662679593
ISBN-10: 3662679590
Ilustrații: XII, 553 S. 121 Abb., 43 Abb. in Farbe.
Dimensiuni: 168 x 240 mm
Greutate: 1.02 kg
Ediția:1. Aufl. 2024
Editura: Springer Berlin, Heidelberg
Colecția Springer Vieweg
Locul publicării:Berlin, Heidelberg, Germany

Cuprins

Einführung, Datenschutz vs. Datensicherheit, Informationsethik.- Datenanalyseprozess CRISP-DM, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment.- Datenqualität, Explorative Datenanalyse (EDA), Feature Engineering.- Naive Bayes und Entscheidungsbaum, Gütekriterien I, Overfitting, Kreuzvalidierung.- Bias vs. Varianz, Ensemble Learning (Random Forest, Gradient Boosted Trees).- Datentransformation und Normalisierung, Künstliche Neuronale Netzwerke.- Verteilungen und synthetische Daten, Hyperparameteroptimierung.- Regression vs. Korrelation, Interpolation vs. Extrapolation, Methode der kleinsten Quadrate.- Lineare und polynomiale (multiple) Regression, Gütekriterien II.- Regularisierung, LASSO, Ridge Regression, Elastic Net.- Logistische Regression, Regression vs. Klassifikation.- Ausblick.

Notă biografică

Stefan Selle ist seit 2007 Professor für Wirtschaftsinformatik an der Hochschule für Technik und Wirtschaft des Saarlandes und lehrt dort Daten- und Geschäftsprozessmanagement, Digitale Transformation, Software Engineering, Data Science und Künstliche Intelligenz.

Textul de pe ultima copertă

Dieses Lehrbuch erklärt auf narrative und direkte Weise die wichtigen Zusammenhänge zwischen Data Science, Künstlicher Intelligenz und anderen Disziplinen und Domänen wie Datenschutz und Ethik, mit Fokus auf überwachtes Lernen (Supervised Learning).
Wir begleiten Anna und Karl während ihrer Traineephase in einer internationalen Versicherung. Schritt für Schritt reifen sie zu Data Scientists, indem sie sich intensiv mit der Titanic-Katastrophe auseinandersetzen. Anna kann Python programmieren, während Karl ein grafisches Werkzeug (KNIME Analytics Platform) benutzt. Bei ihren Untersuchungen stoßen sie auf interessante Fakten und Mythen. Mit Unterstützung von Max und Sophia verarbeiten sie historische Daten, um Vorhersagen zu erstellen (Predictive Analytics). Dabei benutzen sie Methoden und Algorithmen des maschinellen Lernens.
Begleitende Zusatzmaterialien (KNIME Workflows, Jupyter Notebooks, Erklärvideos) stehen den Lernenden online zur Verfügung. Und wenn in diesem Buch Anna und Karl sich auf Themen des überwachten Lernens konzentrieren, werden wir künftig mit ihnen noch weitere Gebiete der Data Science entdecken.

Der Inhalt
  • Einführung, Datenschutz vs. Datensicherheit, Datenethik, Datenformate, Skalenniveaus, Datenqualität, Explorative Datenanalyse, CRISP-DM
  • Klassifikation, k-Nearest Neighbor, Partitionierung & Sampling, Kreuzvalidierung, Feature Engineering, Overfitting, Gütemaße, Konfusionsmatrix, ROC, AURC
  • Naïve Bayes, Entscheidungsbäume, Pruning, Neuronale Netze, Multilayer Perzeptron, Support Vector Machine, Kernel-Trick, Logistische Regression, Regularisierung, Bias Variance Tradeoff, Ensemble Learning, Random Forest, Gradient Boosted Trees
  • Regression vs. Korrelation, Methode der kleinsten Quadrate, Bestimmtheitsmaß, Fehlermaße, Lineare und polynomiale Regression, T-Test, Ridge, LASSO, Elastic-Net
  • Mehrklassen-Klassifikation, Mikro- und Makro-Mittelwertbildung, Kreuzentropie, ungleiche Verteilungen, Equal Size Sampling, Bootstrapping, SMOTE
  • Feature Selection, Genetische Algorithmen, Hyperparameteroptimierung

Der Autor
Stefan Selle ist seit 2007 Professor für Wirtschaftsinformatik an der Hochschule für Technik und Wirtschaft des Saarlandes und lehrt dort Daten- und Geschäftsprozessmanagement, Digitale Transformation, Software Engineering, Data Science und Künstliche Intelligenz.

Caracteristici

Eine Einführung ins überwachtes Lernen, so wie es man "on the Job" lernt Das erste Abenteuer von Trainees Anna und Karl in der Welt der Data Science und des Machine Learning Mit zusätzlichen Beispielprogrammen und Onlinematerialen