Data Science Training - Supervised Learning
Springer Berlin (Verlag)
978-3-662-67959-3 (ISBN)
- Noch nicht erschienen - erscheint am 11.09.2024
- Versandkostenfrei innerhalb Deutschlands
- Auch auf Rechnung
- Verfügbarkeit in der Filiale vor Ort prüfen
- Artikel merken
lt;b>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.
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.
Erscheint lt. Verlag | 15.10.2024 |
---|---|
Zusatzinfo | XII, 553 S. 121 Abb., 43 Abb. in Farbe. |
Verlagsort | Berlin |
Sprache | deutsch |
Maße | 168 x 240 mm |
Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
Schlagworte | Data Mining • Data Science • Klassifikation • KNIME • Künstliche Intelligenz • Maschinelles Lernen • Python • Regression • Statistik • überwachtes Lernen |
ISBN-10 | 3-662-67959-0 / 3662679590 |
ISBN-13 | 978-3-662-67959-3 / 9783662679593 |
Zustand | Neuware |
Haben Sie eine Frage zum Produkt? |
aus dem Bereich