Data Science Training - Supervised Learning

Dekorationsartikel gehören nicht zum Leistungsumfang.

Sprache: Deutsch

39,99 €*

inkl. MwSt.

Versandkostenfrei per Post / DHL

Lieferzeit 4-7 Werktage

Kategorien:

Beschreibung

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.

Über den 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.

Zusammenfassung

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

Inhaltsverzeichnis

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.

Details

Erscheinungsjahr:	2024
Genre:	Informatik , Mathematik , Medizin , Naturwissenschaften , Technik
Rubrik:	Naturwissenschaften & Technik
Medium:	Taschenbuch
Inhalt:	xxvii 592 S. 83 s/w Illustr. 40 farbige Illustr. 592 S. 123 Abb. 40 Abb. in Farbe.
ISBN-13:	9783662679593
ISBN-10:	3662679590
Sprache:	Deutsch
Herstellernummer:	89210114
Ausstattung / Beilage:	Paperback
Einband:	Kartoniert / Broschiert
Autor:	Selle, Stefan
Hersteller:	Springer Berlin Springer Berlin Heidelberg
Verantwortliche Person für die EU:	Springer Vieweg in Springer Science + Business Media, Abraham-Lincoln-Straße 46, D-65189 Wiesbaden, juergen.hartmann@springer.com
Maße:	240 x 168 x 34 mm
Von/Mit:	Stefan Selle
Erscheinungsdatum:	02.12.2024
Gewicht:	1,024 kg

Artikel-ID: 127264771