Handbuch Data Science
Hanser, Carl (Verlag)
978-3-446-45710-2 (ISBN)
- Titel erscheint in neuer Auflage
- Artikel merken
Stefan Papp ist selbstständiger Berater und auf Big Data-Technologien spezialisiert mit denen er Daten aufbereitet und analysiert. Außerdem unterrichtet er an Fachhochschulen, arbeitet als Hadoop-Trainer und schreibt Fachbücher sowie Artikel für mehrere Fachzeitschriften. Wolfgang Weidinger ist Präsident der Vienna Data Science Group (www.vdsg.at), einer gemeinnützigen Vereinigung von und für Data Scientists. Er hat als Data Scientist in den verschiedensten Branchen und Bereichen wie Start-Ups, Finanzwirtschaft, Consulting und Großhandel gearbeitet und dort unter anderem Data-Science-Teams aufgebaut und geleitet. Mario Meir-Huber leitet die Daten-, Analytics- und AI-Strategie innerhalb der A1 Telekom Austria Group. Ein weiterer Schwerpunkt seiner Arbeit sind Advanced Analytics. Bernhard Ortner arbeitet derzeit als Berater im Bereich Big Data- und Cloud-Architekturen. Seine Tätigkeit umfasst dabei die Adaption vorhandener Prozesse um BigData und das Etablieren von Big-Data-Standards und Best Practices. Georg Langs ist Assoz. Professor an der Medizinischen Universität Wien und leitet dort das Computational Imaging Research Lab der Universitätsklinik für Radiologie und Nuklearmedizin. Er ist Mitgründer des Spin-offs contextflow GmbH, das Software für AI-basierte Bildsuche entwickelt. Rania Wazir ist Mathematikerin und arbeitet als Consulting Data Scientist im Bereich Natural Language Processing. Darüber hinaus ist sie Co-Organisatorin der data4good-Initiative des VDSG, die Vorzüge und potenzielle Nachteile der Digitalisierung, u. a. durch Vorträge und Hackathons, einem breiteren Publikum vermittelt.
"Das Buch behandelt das interdisziplinäre Thema Data Science als Ganzes. Ziel der Autoren: Den Lesern ein realistisches Bild der Möglichkeiten von Data Science jenseits des Hype zu geben. Außerdem sollen die Leser nach der Lektüre in der Lage sein, einfache Datenanalyse-Projekte selbst durchzuführen. [...] Bewertung: SEHR GUT" dotnetpro, Februar 2020 "Schlagworte wie Machine Learning, Predictive Analytics und Big Data wecken große Erwartungen. Kaum ein Unternehmen, das die Digitalisierung nicht in die Geschäftsstrategie aufgenommen hat. Doch ohne die richtige Data Science klappt es nicht. [... Das Buch] liefert jede Menge Fallbeispiele aus der Praxis, die zeigen, dass sich Data-Science-Organisationen aus so unterschiedlichen Branchen wie Energie, Kunst oder Finanzen neu erfinden können." t3n, November 2019 Data Science kann Unternehmen helfen, mit klug analysierten Daten bessere Entscheidungen zu treffen. Aber viele Unternehmen tun sich bei der Wandlung zum datengetriebenen Unternehmen noch schwer. Dieses Buch geht ans Eingemachte. Es wartet nicht nur mit strategischer Hilfestellung zur Einführung auf, sondern bietet auch einen Einstieg in Statistik, Datenarchitekturen, Machine Learning und Datenschutz. Die Autoren verlangen dem Leser einiges ab, bieten aber dafür genau die Substanz und Tiefe, die nötig sind, um mit Data Science ernst zu machen." getAbstract, September 2019 "Dieses Buch bietet Ihnen einen Überblick über die verschiedenen Aspekte von Data Science und beschreibt, welchen Wert Sie in einer Big Data-Umgebung aus Daten generieren. So können zum Beispiel Unternehmen auf Basis analysierter Daten schneller Entscheidungen treffen, Kosten reduzieren oder neue Märkte erschließen." IT Management - Magazin für Enterprise IT, Juli/August 2019 "Ein Autorenteam um die Vienna Data Science Group hat Beiträge zu vielen wichtigen Aspekten der Datenauswertung in ein Buch gepackt, das den Anspruch eines Standardwerks erhebt. Auch Leuten, die bereits Vorwissen mitbringen, bietet es noch Stoff zum Lernen." Tam Hanna, c't Juli 2019 "Das Buch zeigt, wie Big-Data-Plattformen aufgebaut werden und einzelne Tools anwendbar sind. Darüber hinaus werden statistischmathematische sowie rechtliche Themen angeschnitten. Fallbeispiele aus der Praxis veranschaulichen, wie aus Daten generiertes Wissen Industrien nachhaltig verändert." Telekom- und IT-Report, Juni 2019
"Das Buch behandelt das interdisziplinäre Thema Data Science als Ganzes. Ziel der Autoren: Den Lesern ein realistisches Bild der Möglichkeiten von Data Science jenseits des Hype zu geben. Außerdem sollen die Leser nach der Lektüre in der Lage sein, einfache Datenanalyse-Projekte selbst durchzuführen. [...] Bewertung: SEHR GUT" dotnetpro, Februar 2020
"Schlagworte wie Machine Learning, Predictive Analytics und Big Data wecken große Erwartungen. Kaum ein Unternehmen, das die Digitalisierung nicht in die Geschäftsstrategie aufgenommen hat. Doch ohne die richtige Data Science klappt es nicht. [... Das Buch] liefert jede Menge Fallbeispiele aus der Praxis, die zeigen, dass sich Data-Science-Organisationen aus so unterschiedlichen Branchen wie Energie, Kunst oder Finanzen neu erfinden können." t3n, November 2019
Data Science kann Unternehmen helfen, mit klug analysierten Daten bessere Entscheidungen zu treffen. Aber viele Unternehmen tun sich bei der Wandlung zum datengetriebenen Unternehmen noch schwer. Dieses Buch geht ans Eingemachte. Es wartet nicht nur mit strategischer Hilfestellung zur Einführung auf, sondern bietet auch einen Einstieg in Statistik, Datenarchitekturen, Machine Learning und Datenschutz. Die Autoren verlangen dem Leser einiges ab, bieten aber dafür genau die Substanz und Tiefe, die nötig sind, um mit Data Science ernst zu machen." getAbstract, September 2019
"Dieses Buch bietet Ihnen einen Überblick über die verschiedenen Aspekte von Data Science und beschreibt, welchen Wert Sie in einer Big Data-Umgebung aus Daten generieren. So können zum Beispiel Unternehmen auf Basis analysierter Daten schneller Entscheidungen treffen, Kosten reduzieren oder neue Märkte erschließen." IT Management - Magazin für Enterprise IT, Juli/August 2019
"Ein Autorenteam um die Vienna Data Science Group hat Beiträge zu vielen wichtigen Aspekten der Datenauswertung in ein Buch gepackt, das den Anspruch eines Standardwerks erhebt. Auch Leuten, die bereits Vorwissen mitbringen, bietet es noch Stoff zum Lernen." Tam Hanna, c't Juli 2019
"Das Buch zeigt, wie Big-Data-Plattformen aufgebaut werden und einzelne Tools anwendbar sind. Darüber hinaus werden statistischmathematische sowie rechtliche Themen angeschnitten. Fallbeispiele aus der Praxis veranschaulichen, wie aus Daten generiertes Wissen Industrien nachhaltig verändert." Telekom- und IT-Report, Juni 2019
| Erscheinungsdatum | 06.06.2019 |
|---|---|
| Verlagsort | München |
| Sprache | deutsch |
| Maße | 178 x 245 mm |
| Gewicht | 729 g |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Schlagworte | Algorithmen • algorithmus • big data • Big Data • data analytics • data mining • Data Scientist • Daten • deep learning • Deep learning • künstliche intelligenz • Künstliche Intelligenz • machine learning • machine learning • mapreduce • Maschinelles Lernen • Mustererkennung • Neuronale Netze • numpy • Projektmanagement • Python • scipy • Sentiment Analyse • Spark • statistik • Statistik • Text Mining • Wahrscheinlichkeit • Web mining |
| ISBN-10 | 3-446-45710-0 / 3446457100 |
| ISBN-13 | 978-3-446-45710-2 / 9783446457102 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
