Handbuch Data Science und KI

Mit Machine Learning und Datenanalyse Wert aus Daten generieren
2. Auflage 2022
ISBN: 978-3-446-46947-1
Verlag: Hanser Fachbuchverlag

Medienkombination, Deutsch, 623 Seiten, Format (B × H): 185 mm x 245 mm, Gewicht: 1592 g

- Umfassender Überblick über die verschiedenen Anwendungsbereiche der Datenwissenschaft
- Fallbeispiele aus der Praxis machen die beschriebenen Konzepte greifbar
- Praktische Beispiele helfen Ihnen, einfache Datenanalyseprojekte durchzuführen
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches

Data Science, Big Data und künstliche Intelligenz gehören derzeit zu den Konzepten, über die in Industrie, Regierung und Gesellschaft am meisten geredet wird, die aber auch am meisten missverstanden werden. Dieses Buch klärt diese Konzepte und vermittelt Ihnen praktisches Wissen, um sie anzuwenden.

Das Buch nähert sich dem Thema Data Science von mehreren Seiten. Es zeigt Ihnen, wie Sie Datenplattformen aufbauen sowie Data Science Tools und Methoden anwenden. Auf dem Weg dorthin hilft es Ihnen zu verstehen - und den verschiedenen Interessengruppen zu erklären - wie Sie aus diesen Techniken einen Mehrwert generieren können, z. B. indem Sie Data Science einsetzen, um Unternehmen dabei zu helfen, schnellere Entscheidungen zu treffen, Kosten zu senken und neue Märkte zu erschließen.

In einem zweiten Teil werden die grundlegenden Konzepte der Datenwissenschaft beschrieben, einschließlich mathematischer Grundlagen, Verfahren maschinellen Lernens inklusive Frameworks sowie Text-, Bild- und Sprachverarbeitung. Abgerundet wird das Buch durch rechtliche Überlegungen und praktische Fallstudien aus verschiedenen Branchen.

Das Autor:innenteam besteht aus Datenexpert:innen aus der Wirtschaft und aus dem akademischen Umfeld. Das Spektrum reicht von strategisch ausgerichteten Führungskräften über Data Engineers, die Produktivsysteme erstellen, bis hin zu Data Scientists, die aus Daten Wert generieren. Alle Autor:innen sind im Vorstand oder Mitglieder der Vienna Data Science Group (VDSG). Diese NGO hat sich zum Ziel gesetzt, eine Plattform für den Wissensaustausch zu etablieren.

AUS DEM INHALT //
- Grundlagen der Mathematik: ML-Algorithmen verstehen und nutzen
- Machine Learning: Von statistischen zu neuronalen Verfahren; von Transformers und GPT-3 bis AutoML
- Natural Language Processing: Werkzeuge und Techniken zur Gewinnung von Erkenntnissen aus Textdaten und zur Entwicklung von Sprachtechnologien
- Computer Vision: Erkenntnisse aus Bildern und Videos gewinnen
- Modellierung und Simulation: Modellierung des Verhaltens komplexer Systeme, z. B. der Ausbreitung von COVID-19. Was-wäre-wenn-Analysen
- ML und KI in der Produktion: Vom Experiment zum Data-Science-Produkt
- Ergebnisse präsentieren: Grundlegende Präsentationstechniken für Data Scientists

Autoren/Hrsg.

Papp, Stefan

Toth, Zoltan

Weidinger, Wolfgang

Vesela, Barbora

Munro, Katherine

Wazir, Rania

Ortner, Bernhard

Zauner, Günther

Cadonna, Annalisa

Langs, Georg

Licandro, Roxane

Meir-Huber, Mario

Nikolic, Danko

Fachgebiete

• Mathematik | Informatik EDV | Informatik Daten / Datenbanken Data Mining
• Wirtschaftswissenschaften Betriebswirtschaft Wirtschaftsinformatik, SAP, IT-Management
• Mathematik | Informatik EDV | Informatik Daten / Datenbanken Big Data
• Mathematik | Informatik EDV | Informatik Angewandte Informatik Wirtschaftsinformatik
• Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz

Über Autor(innen)

Das Autorenteam besteht aus Datenexperten aus der Wirtschaft und aus dem akademischen Umfeld. Das Spektrum reicht von strategisch ausgerichteten Führungskräften über Data Engineers, die Produktivsysteme erstellen bis hin zu Data Scientists, die aus Daten Wert generieren. Alle Autoren sind im Vorstand oder Mitglieder der Vienna Data Science Group (VDSG). Die NGO hat sich zum Ziel gesetzt, eine Plattform für den Wissensaustausch zu etablieren, um die Chancen, die AI und Data Science bieten, zu nutzen und bekannt zu machen und die potenziellen Risiken besser zu verstehen.