Data Science

Beschreibung

Data Science steht derzeit wie kein anderer Begriff für die Auswertung großer Datenmengen mit analytischen Konzepten des Machine Learning oder der künstlichen Intelligenz. Nach der bewussten Wahrnehmung der Big Data und dabei insbesondere der Verfügbarmachung in Unternehmen sind Technologien und Methoden zur Auswertung dort gefordert, wo klassische Business Intelligence an ihre Grenzen stößt. Dieses Buch bietet eine umfassende Einführung in Data Science und deren praktische Relevanz für Unternehmen. Dabei wird auch die Integration von Data Science in ein bereits bestehendes Business-Intelligence-Ökosystem thematisiert. In verschiedenen Beiträgen werden sowohl Aufgabenfelder und Methoden als auch Rollen- und Organisationsmodelle erläutert, die im Zusammenspiel mit Konzepten und Architekturen auf Data Science wirken. Neben den Grundlagen werden unter anderem folgende Themen behandelt: - Data Science und künstliche Intelligenz - Konzeption und Entwicklung von Data-driven Products - Deep Learning - Self-Service im Data-Science-Umfeld - Data Privacy und Fragen zur digitalen Ethik - Customer Churn mit Keras/TensorFlow und H2O - Wirtschaftlichkeitsbetrachtung bei der Auswahl und Entwicklung von Data Science - Predictive Maintenance - Scrum in Data-Science-Projekten Zahlreiche Anwendungsfälle und Praxisbeispiele geben Einblicke in die aktuellen Erfahrungen bei Data-Science-Projekten und erlauben dem Leser einen direkten Transfer in die tägliche Arbeit.

Autor*in

Uwe Haneke
Prof. Dr. Uwe Haneke lehrt seit 2003 an der Fakultät für Informatik und Wirtschaftsinformatik (IWI) der Hochschule Karlsruhe – Technik und Wirtschaft. Zu seinen Hauptarbeitsgebieten gehören Betriebswirtschaftslehre, Business Intelligence, Geschäftsprozessmanagement und Projektmanagement. Daneben leitet er das von ihm gegründete osbi::lab an der Hochschule Karlsruhe, wo er sich vor allem mit Fragestellungen aus den Bereichen Business Analytics, Big Data und Visualisierung beschäftigt.

Themen in »Data Science«

Analytics Data & Analytic Architekturen DWH-Modernisierung und Erweiterung Big Data Analytics Rollen- und Organisationskonzepte Fallstudien künstliche Intelligenz KI Deep Learning Scrum Big Data Data Privacy Ethik TensorFlow Predictive Maintenance

Stimmen zu »Data Science«

Details

Link teilen