Machine Learning mit SAP HANA
PAYBACK Punkte
0 °P sammeln!
Seit einigen Jahren preist die SAP das intelligente Unternehmen als Wettbewerbsvorteil an. Mit diesem Buch springen Sie mitten hinein in die Welt der künstlichen Intelligenz (KI). Erfahren Sie, welche Algorithmen die leistungsstarke In-Memory-Datenbank SAP HANA für das Machine Learning (ML) bereithält. Auf deren Basis lassen sich Muster und Gesetzmäßigkeiten in Datenbeständen erkennen und Vorhersagen treffen, die helfen, Geschäftsprozesse zu verbessern.Machen Sie sich mit den beiden zentralen Bausteinen vertraut: Predictive Analysis Library (PAL) und Automated Predictive Library (APL). ...
Seit einigen Jahren preist die SAP das intelligente Unternehmen als Wettbewerbsvorteil an. Mit diesem Buch springen Sie mitten hinein in die Welt der künstlichen Intelligenz (KI). Erfahren Sie, welche Algorithmen die leistungsstarke In-Memory-Datenbank SAP HANA für das Machine Learning (ML) bereithält. Auf deren Basis lassen sich Muster und Gesetzmäßigkeiten in Datenbeständen erkennen und Vorhersagen treffen, die helfen, Geschäftsprozesse zu verbessern.
Machen Sie sich mit den beiden zentralen Bausteinen vertraut: Predictive Analysis Library (PAL) und Automated Predictive Library (APL). Während die PAL ermöglicht, einzelne Prozeduren flexibel miteinander zu verknüpfen, um komplexe Szenarien abzubilden, bietet die APL insbesondere automatisierte ML-Szenarien, wie Klassifikationen, Regressionen, Cluster- oder Zeitreihenanalysen. Außerdem lernen Sie Python-Tools, z. B. das Jupyter Notebook, und Techniken für Text-Mining sowohl in SQL-Script als auch in Python kennen.
Immer wieder werden die Funktionen und Algorithmen am durchgängigen betriebswirtschaftlichen Beispiel einer Abwanderungsanalyse/Kündigungsvorhersage praktisch veranschaulicht. Dabei lernen Sie einzuschätzen, wie Sie diese Techniken für eigene Szenarien einsetzen und etwaige Hürden bei der Implementierung leichter überwinden.
Predictive Analysis und Automated Predictive Library in SQLScript und Python Klassifikations- und Cluster-Analysen Explorative Datenanalysen und Machine Learning im Jupyter Notebook Text Mining
Machen Sie sich mit den beiden zentralen Bausteinen vertraut: Predictive Analysis Library (PAL) und Automated Predictive Library (APL). Während die PAL ermöglicht, einzelne Prozeduren flexibel miteinander zu verknüpfen, um komplexe Szenarien abzubilden, bietet die APL insbesondere automatisierte ML-Szenarien, wie Klassifikationen, Regressionen, Cluster- oder Zeitreihenanalysen. Außerdem lernen Sie Python-Tools, z. B. das Jupyter Notebook, und Techniken für Text-Mining sowohl in SQL-Script als auch in Python kennen.
Immer wieder werden die Funktionen und Algorithmen am durchgängigen betriebswirtschaftlichen Beispiel einer Abwanderungsanalyse/Kündigungsvorhersage praktisch veranschaulicht. Dabei lernen Sie einzuschätzen, wie Sie diese Techniken für eigene Szenarien einsetzen und etwaige Hürden bei der Implementierung leichter überwinden.
Predictive Analysis und Automated Predictive Library in SQLScript und Python Klassifikations- und Cluster-Analysen Explorative Datenanalysen und Machine Learning im Jupyter Notebook Text Mining
Andere Kunden interessierten sich für
