Data Mining (eBook, PDF)
Modelle und Algorithmen intelligenter Datenanalyse
Sofort per Download lieferbar
Statt: 34,99 €**
26,99 €
inkl. MwSt.
**Preis der gedruckten Ausgabe (Broschiertes Buch)
Alle Infos zum eBook verschenkenWeitere Ausgaben:
PAYBACK Punkte
13 °P sammeln!
Data MiningDie wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft werden in diesem Buch behandelt. Es vermittelt einen kompakten, fundierten Überblick über die verschiedenen Methoden sowie deren Motivation und versetzt den Leser in die Lage, Data Mining selbst praktisch einzusetzen.Der InhaltDaten und RelationenDatenvorverarbeitungDatenvisualisierungKorrelationRegressionPrognoseKlassifikationClusteringDie ZielgruppenStudierende der Informatik, Ingenieurwissenschaften und MathematikInformatiker, Ingenieure ...
Data Mining
Die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft werden in diesem Buch behandelt. Es vermittelt einen kompakten, fundierten Überblick über die verschiedenen Methoden sowie deren Motivation und versetzt den Leser in die Lage, Data Mining selbst praktisch einzusetzen.
Der Inhalt
Daten und Relationen
Datenvorverarbeitung
Datenvisualisierung
Korrelation
Regression
Prognose
Klassifikation
Clustering
Die Zielgruppen
Studierende der Informatik, Ingenieurwissenschaften und Mathematik
Informatiker, Ingenieure und Mathematiker in Forschung und Lehre
Praktiker, die mit großen Datenmengen arbeiten
Der Autor
Thomas A. Runkler ist Principal Research Scientist der Siemens AG in München und lehrt Data Mining an der Fakultät für Informatik der Technischen Universität München.
Die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft werden in diesem Buch behandelt. Es vermittelt einen kompakten, fundierten Überblick über die verschiedenen Methoden sowie deren Motivation und versetzt den Leser in die Lage, Data Mining selbst praktisch einzusetzen.
Der Inhalt
Daten und Relationen
Datenvorverarbeitung
Datenvisualisierung
Korrelation
Regression
Prognose
Klassifikation
Clustering
Die Zielgruppen
Studierende der Informatik, Ingenieurwissenschaften und Mathematik
Informatiker, Ingenieure und Mathematiker in Forschung und Lehre
Praktiker, die mit großen Datenmengen arbeiten
Der Autor
Thomas A. Runkler ist Principal Research Scientist der Siemens AG in München und lehrt Data Mining an der Fakultät für Informatik der Technischen Universität München.
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.
Andere Kunden interessierten sich für
