eBook, PDF

Deskriptives Data-Mining (eBook, PDF)

Versandkostenfrei!

Sofort per Download lieferbar

Statt: 89,99 €**

69,99 €

inkl. MwSt.

Jetzt bewerten

**Preis der gedruckten Ausgabe (Gebundenes Buch)

Alle Infos zum eBook verschenken

Weitere Ausgaben:

Gebundenes Buch

PAYBACK Punkte

35 °P sammeln!

Weiterlesen / Aufklappen

Dieses Buch bietet einen Überblick über Data-Mining-Methoden, die durch Software veranschaulicht werden. Beim Wissensmanagement geht es um die Anwendung von menschlichem Wissen (Erkenntnistheorie) mit den technologischen Fortschritten unserer heutigen Gesellschaft (Computersysteme) und Big Data, sowohl bei der Datenerfassung als auch bei der Datenanalyse. Es gibt drei Arten von Analyseinstrumenten. Die deskriptive Analyse konzentriert sich auf Berichte über das, was passiert ist. Bei der prädiktiven Analyse werden statistische und/oder künstliche Intelligenz eingesetzt, um Vorhersagen treffen zu können. Dazu gehört auch die Modellierung von Klassifizierungen. Die diagnostische Analytik kann die Analyse von Sensoreingaben anwenden, um Kontrollsysteme automatisch zu steuern. Die präskriptive Analytik wendet quantitative Modelle an, um Systeme zu optimieren oder zumindest verbesserte Systeme zu identifizieren. Data Mining umfasst deskriptive und prädiktive Modellierung. Operations Research umfasst alle drei Bereiche. Dieses Buch konzentriert sich auf die deskriptive Analytik.

Das Buch versucht, einfache Erklärungen und Demonstrationen einiger deskriptiver Werkzeuge zu liefern. Es bietet Beispiele für die Auswirkungen von Big Data und erweitert die Abdeckung von Assoziationsregeln und Clusteranalysen. Kapitel 1 gibt einen Überblick im Kontext des Wissensmanagements. Kapitel 2 erörtert einige grundlegende Softwareunterstützung für die Datenvisualisierung. Kapitel 3 befasst sich mit den Grundlagen der Warenkorbanalyse, und Kapitel 4 demonstriert die RFM-Modellierung, ein grundlegendes Marketing-Data-Mining-Tool. Kapitel 5 demonstriert das Assoziationsregel-Mining. Kapitel 6 befasst sich eingehender mit der Clusteranalyse. Kapitel 7 befasst sich mit der Link-Analyse.

Die Modelle werden anhand geschäftsbezogener Daten demonstriert. Der Stil des Buches ist beschreibend und versucht zu erklären, wie die Methoden funktionieren, mit einigen Zitaten, aber ohne tiefgehende wissenschaftliche Referenzen. Die Datensätze und die Software wurden so ausgewählt, dass sie für jeden Leser, der über einen Computeranschluss verfügt, weithin verfügbar und zugänglich sind.

This book is a translation of an original German edition. The translation was done with the help of artificial intelligence (machine translation by the service DeepL.com). A subsequent human revision was done primarily in terms of content, so that the book will read stylistically differently from a conventional translation.

Weniger Details

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.

David L. Olson ist der James & H.K. Stuart Chancellor's Distinguished Chair und ordentlicher Professor an der University of Nebraska. Er hat in über 150 begutachteten Zeitschriftenartikeln Forschungsergebnisse veröffentlicht, vor allem zu den Themen Entscheidungsfindung mit mehreren Zielen, Informationstechnologie, Risikomanagement in der Lieferkette und Data Mining. Er lehrt in den Bereichen Management-Informationssysteme, Management-Wissenschaft und Operations Management. Er hat über 20 Bücher verfasst. Er ist Mitglied des Decision Sciences Institute, des Institute for Operations Research and Management Sciences und der Multiple Criteria Decision Making Society. Von 1999 bis 2001 war er Lowry-Mays-Stiftungsprofessor an der Texas A&M University. Im Jahr 2002 wurde er mit dem Raymond E. Miles Distinguished Scholar Award ausgezeichnet, und von 2005 bis 2006 war er James C. and Rhonda Seacrest Fellow. Im Jahr 2006 wurde er von der IFIP zum "Best Enterprise Information Systems Educator" ernannt. Er ist ein Fellow des Decision Sciences Institute.

Dr. Georg Lauhoff führt bei IBM Forschungs- und Entwicklungsarbeiten auf dem Gebiet der Materialwissenschaft und ihrer Anwendung in Datenspeichern durch und verwendet auch die in diesem Buch beschriebenen Techniken für seine Arbeit. Er ist Mitverfasser von 38 begutachteten Zeitschriftenartikeln und über 30 Konferenzvorträgen, hauptsächlich zu den Themen Materialwissenschaft, Datenspeichermaterialien und magnetische Dünnschichten. Er erhielt Stipendien und Forschungszuschüsse in Großbritannien und Japan. Von 1995 bis 1998 war er der Clerk-Maxwell Scholar und ist Fellow der Cambridge Philosophical Society. Er studierte Physik in Aachen (Diplom) und an der Universität Cambridge (Master und Ph.D.) und spezialisierte sich dabei auf die Bereiche Materialwissenschaften und magnetische Dünnschichten und Sensoren. Nach seinem Abschluss ging er nach Japan und arbeitete als Assistentprofessor für Materialwissenschaft und Werkstoffkunde am Toyota Technological Institute in Nagoya. Anschließend forschte er an der Universität Cambridge auf dem Gebiet der DNA-Sequenzierung mit Hilfe magnetischer Sensoren, bevor er 2005 in die Datenspeicherindustrie im Silicon Valley wechselte und bei Maxtor, Samsung, Western Digital und nun IBM Almaden für die Entwicklung von Festplattenlaufwerke und magnetisch Bandlaufwerke verantwortlich ist. Georg studierte neben seiner Arbeit von 2015-2020 an der University of Nebraska-Lincoln Betriebswirtschaftslehre (MBA).