Data Science für Unternehmen: Data Mining und datenanalytisches Denken praktisch anwenden
Gespeichert in:
| Hauptverfasser: | , |
|---|---|
| Weitere Verfasser: | |
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Frechen
mitp
2017
|
| Ausgabe: | 1. Auflage |
| Schlagworte: | |
| Online-Zugang: | Inhaltstext Inhaltsverzeichnis |
| Beschreibung: | 431 Seiten Diagramme |
| ISBN: | 9783958455467 3958455468 |
Internformat
MARC
| LEADER | 00000nam a22000008c 4500 | ||
|---|---|---|---|
| 001 | BV044039487 | ||
| 003 | DE-604 | ||
| 005 | 20230306 | ||
| 007 | t | ||
| 008 | 170213s2017 gw |||| |||| 00||| ger d | ||
| 015 | |a 17,N06 |2 dnb | ||
| 015 | |a 17,A51 |2 dnb | ||
| 016 | 7 | |a 1124603034 |2 DE-101 | |
| 020 | |a 9783958455467 |c Broschur : EUR 34.99 (DE), circa EUR 34.99 (AT), circa CHF 35.67 |9 978-3-95845-546-7 | ||
| 020 | |a 3958455468 |9 3-95845-546-8 | ||
| 035 | |a (OCoLC)972164800 | ||
| 035 | |a (DE-599)DNB1124603034 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-NW | ||
| 049 | |a DE-M347 |a DE-824 |a DE-860 |a DE-29T |a DE-1102 |a DE-706 |a DE-1050 |a DE-1049 |a DE-1043 |a DE-858 |a DE-384 |a DE-859 |a DE-B768 |a DE-12 |a DE-573 |a DE-473 |a DE-91G |a DE-355 |a DE-92 |a DE-863 |a DE-Aug4 |a DE-1047 | ||
| 082 | 0 | |a 658.403802856312 |2 22/ger | |
| 082 | 0 | |a 004 |2 23 | |
| 084 | |a QH 500 |0 (DE-625)141607: |2 rvk | ||
| 084 | |a QP 345 |0 (DE-625)141866: |2 rvk | ||
| 084 | |a ST 270 |0 (DE-625)143638: |2 rvk | ||
| 084 | |a ST 530 |0 (DE-625)143679: |2 rvk | ||
| 084 | |a 004 |2 sdnb | ||
| 084 | |a DAT 620f |2 stub | ||
| 084 | |a 650 |2 sdnb | ||
| 100 | 1 | |a Provost, Foster |d 1964- |e Verfasser |0 (DE-588)1053357028 |4 aut | |
| 240 | 1 | 0 | |a Data science for business |
| 245 | 1 | 0 | |a Data Science für Unternehmen |b Data Mining und datenanalytisches Denken praktisch anwenden |c Foster Provost, Tom Fawcett ; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| 250 | |a 1. Auflage | ||
| 264 | 1 | |a Frechen |b mitp |c 2017 | |
| 300 | |a 431 Seiten |b Diagramme | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 650 | 0 | 7 | |a Business Intelligence |0 (DE-588)4588307-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Informationssystem |0 (DE-588)4072806-7 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Wirtschaftsinformatik |0 (DE-588)4112736-5 |2 gnd |9 rswk-swf |
| 653 | |a Data Scientists und Projektmanager | ||
| 653 | |a Big Data | ||
| 653 | |a Daten | ||
| 653 | |a Projektmanager | ||
| 689 | 0 | 0 | |a Business Intelligence |0 (DE-588)4588307-5 |D s |
| 689 | 0 | 1 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Informationssystem |0 (DE-588)4072806-7 |D s |
| 689 | 1 | 1 | |a Wirtschaftsinformatik |0 (DE-588)4112736-5 |D s |
| 689 | 1 | |5 DE-604 | |
| 700 | 1 | |a Fawcett, Tom |0 (DE-588)1053357648 |4 aut | |
| 700 | 1 | |a Lorenzen, Knut |0 (DE-588)1020241446 |4 trl | |
| 710 | 2 | |a mitp Verlags GmbH & Co. KG |0 (DE-588)1065362072 |4 pbl | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, PDF/ePub |z 978-3-95845-548-1 |w (DE-604)BV044765478 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, PDF/ePub |z 978-3-95845-547-4 |
| 856 | 4 | 2 | |m X:MVB |q text/html |u http://deposit.dnb.de/cgi-bin/dokserv?id=bef16e3c05d946379f25e322e364cbc5&prov=M&dok_var=1&dok_ext=htm |3 Inhaltstext |
| 856 | 4 | 2 | |m SWB Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029446563&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-029446563 | |
Datensatz im Suchindex
| DE-BY-862_location | 2000 |
|---|---|
| DE-BY-863_location | 1000 |
| DE-BY-FWS_call_number | 1000/ST 530 P969 2000/ST 530 P969 D2 |
| DE-BY-FWS_katkey | 672495 |
| DE-BY-FWS_media_number | 083101413513 083101413535 083101413524 083000518240 |
| _version_ | 1809773228517752832 |
| adam_text |
INHALTSVERZEICHNIS
EINLEITUNG 13
UEBER DIE AUTOREN 21
1 EINFUEHRUNG: DATENANALYTISCHES DENKEN 23
1.1 ALLGEGENWAERTIGE DATENERFASSUNGSMOEGLICHKEITEN 23
1.2 BEISPIEL: HURRIKAN FRANCES 25
1.3 BEISPIEL: VORHERSAGE DER KUNDENFLUKTUATION 26
1.4 DATA SCIENCE, ENGINEERING UND DATENGESTUETZTE
ENTSCHEIDUNGSFINDUNG 27
1.5 DATENVERARBEITUNG UND BIG DATA 31
1.6 VON BIG DATA 1.0 ZU BIG DATA 2.0 32
1.7 DATEN UND DATA-SDENCE-FAEHIGKEITEN ALS STRATEGISCHES GUT 33
1.8 DATENANALYTISCHE DENKWEISE 36
1.9 DIESES BUCH 38
1.10 DATA MINING UND DATA SCIENCE 39
1.11 IN DER CHEMIE GEHT ES NICHT UM REAGENZGLAESER:
DATA SCIENCE VS. DIE AUFGABE DES DATA SCIENTISTS 40
1.12 ZUSAMMENFASSUNG 41
2 GESCHAEFTLICHE AUFGABEN UND DATA-SCIENCE-LOESUNGEN 43
2.1 VON GESCHAEFTLICHEN AUFGABEN ZUM DATA-MINING-VERFAHREN 44
2.2 UEBERWACHTE VS. UNUEBERWACHTE VERFAHREN 49
2.3 ERGEBNISSE DES DATA MININGS 51
2.4 DER DATA-MINING-PROZESS 52
2.4.1 AUFGABENVERSTAENDNIS 53
2.4.2 DATENVERSTAENDNIS 54
2.4.3 DATENAUFBEREITUNG 56
2.4.4 MODELLBILDUNG 57
2.4.5 BEURTEILUNG. 57
2.4.6 EINSAETE 59
2.5 AUSWIRKUNGEN AUF DAS MANAGEMENT DES DATA-SCIENCE-TEAMS 61
2.6 WEITERE ANALYSEVERFAHREN UND -TECHNOLOGIEN 62
2.6.1 STATISTIK 63
2.6.2 DATENBANKABFRAGEN 65
INHALTSVERZEICHNIS
2.6.3 DATA WAREHOUSES
66
2.6.4 REGRESSIONSANALYSE 67
2.6.5 MACHINE LEARNING UND DATA MINING *
67
2.6.6 GESCHAEFTLICHE AUFGABEN DURCH DIESE VERFAHREN LOSEN 68
2.7 ZUSAMMENFASSUNG 70
3 EINFUEHRUNG IN DIE VORHERSAGEMODELLBILDUNG: VON DER KORRELATION
ZUR UEBERWACHTEN SEGMENTIERUNG 7 1
3.1 MODELLE, INDUKTION UND VORHERSAGE 73
3.2 UEBERWACHTE SEGMENTIERUNG 77
3.2.1 AUSWAHL INFORMATIVER MERKMALE 78
3.2.2 BEISPIEL: MERKMALSAUSWAHL ANHAND DES
INFORMATIONS GEWINNS ^
3.2.3 UEBERWACHTE SEGMENTIERUNG MIT BAUMSTRUKTURMODELLEN. . 92
3.3 SEGMENTIERUNGEN VISUALISIEREN 98
3.4 BAEUME ALS REGELSAETZE
3.5 WAHRSCHEINLICHKEITSABSCHAETZUNG
3.6 BEISPIEL: ABWANDERUNGSRATE PER ENTSCHEIDUNGSBAUM ERMITTELN. . 104
3.7 ZUSAMMENFASSUNG . . 108
4 EIN MODELL AN DATEN ANPASSEN HL
4.1 KLASSIFIZIERUNG VIA MATHEMATISCHER FUNKTIONEN 113
4.1.1 LINEARE DISKRIMINANZFUNKTION 115
4.1.2 OPTIMIEREN DER ZIELFUNKTION 118
4.1.3 BEISPIEL: EXTRAKTION EINER LINEAREN DISKRIMINANZFUNKTION
AUS DATEN 119
4.1.4 LINEARE DISKRIMINANZFUNKTIONEN ZUR BEURTEILUNG UND
ZUM ERSTELLEN EINER RANGFOLGE VON INSTANZEN 121
4.1.5 SUPPORT VECTOR MACHINES KOMPAKT ERKLAERT 122
4.2 REGRESSION VIA MATHEMATISCHER FUNKTIONEN 125
4.3 WAHRSCHEINLICHKEITSABSCHAETZUNG DER KLASSENZUGEHOERIGKEIT UND
LOGISTISCHE REGRESSION 127
4.3.1 * LOGISTISCHE REGRESSION: TECHNISCHE DETAILS 131
4.4 BEISPIEL: LOGISTISCHE REGRESSION VS. ENTSCHEIDUNGSBAUM-
VERFAHREN 134
4.5 NICHTLINEARE FUNKTIONEN, SUPPORT VECTOR MACHINES UND
NEURONALE NETZE 138
4.6 ZUSAMMENFASSUNG 141
* ABSCHNITTE, DIE IM INHALTSVERZEICHNIS MIT EINEM * VERSEHEN SIND,
ENTHALTEN
MATHEMATISCHE ODER TECHNISCHE DETAILS (SIEHE SEITE 17)
INHALTSVERZEICHNIS
5 UEBERANPASSUNG ERKENNEN UND VERMEIDEN 143
5.1 VERAUEGEMEINERUNGSFAEHIGKEIT 143
5.2 UEBERANPASSUNG 145
5.3 UEBERANPASSUNG IM DETAIL 146
5.3.1 ZURUECKGEHALTENE DATEN UND FITFUNKTIONEN 146
5.3.2 UEBERANPASSUNG BEI ENTSCHEIDUNGSBAUMVERFAHREN 149
5.3.3 UEBERANPASSUNG BEI MATHEMATISCHEN FUNKTIONEN. 151
5.4 BEISPIEL: UEBERANPASSUNG LINEARER FUNKTIONEN 152
5.5 * BEISPIEL: NACHTEILE DER UEBERANPASSUNG 156
5.6 VON DER BEURTEILUNG DURCH TESTDATENMENGEN ZUR
KREUZVALIDIERUNG 159
5.7 ABWANDERUNGSDATEN 163
5.8 LEMKURVEN 165
5.9 UEBERANPASSUNG VERMEIDEN UND STEUERUNG DER KOMPLEXITAET 167
5.9.1 UEBERANPASSUNG VON ENTSCHEIDUNGSBAEUMEN VERMEIDEN. 167
5.9.2 EINE ALLGEMEINE METHODE ZUR VERMEIDUNG VON
UEBERANPASSUNG 168
5.9.3 * UEBERANPASSUNG BEI DER PARAMETEROPTIMIERUNG
VERMEIDEN 171
5.10 ZUSAMMENFASSUNG 175
6 AEHNLICHKEIT, NACHBARN UND CLUSTER 177
6.1 AEHNLICHKEIT UND DISTANZ 178
6.2 NAECHSTE-NACHBARN-METHODEN 181
6.2.1 BEISPIEL: WHISKY-ANALYSE 181
6.2.2 NAECHSTE NACHBARN UND VORHERSAGEMODELLE 184
6.2.3 ANZAHL DER NACHBARN UND IHRE GEWICHRUNG 187
6.2.4 GEOMETRISCHE INTERPRETATION, UEBERANPASSUNG UND
STEUERUNG DER KOMPLEXITAET 189
6.2.5 PROBLEME MIT NAECHSTE-NACHBARN-METHODEN 193
6.3 AEHNLICHKEIT UND NACHBARN: WICHTIGE TECHNISCHE DETAILS 196
6.3.1 HETEROGENE MERKMALE 196
6.3.2 * WEITERE DISTANZMASSE 197
63.3 * ZUSAMMENFASSENDE FUNKTIONEN: SCORES DER NACHBARN
BERECHNEN 200
6.4 CLUSTERING 202
6.4.1 BEISPIEL: WEITERE WHISKY-ANALYSEN 203
6.4.2 HIERARCHISCHES CLUSTERING 204
6.4.3 NAECHSTE NACHBARN: CLUSTERING UM ZENTROIDEN 209
INHALTSVERZEICHNIS
6.4.4 BEISPIEL: CLUSTERING VON WIRTSCHAFTSNACHRICHTEN 214
6.4.5 DAS ERGEBNIS DES CLUSTERINGS VERSTEHEN 218
6.4.6 * CLUSTER-BESCHREIBUNGEN DURCH UEBERWACHTES LERNEN
ERZEUGEN 220
6.5 LOESEN VON GESCHAEFTLICHEN AUFGABEN VS. DATENERKUNDUNG 223
6.6 ZUSAMMENFASSUNG 226
7 ENTSCHEIDUNGSANALYSE I: WAS IST EIN GUTES MODELL? 227
7.1 BEURTEILUNG VON KLASSIFIZIERERN 228
7.1.1 KORREKTKLASSIFIZIERUNGSRATE UND DAMIT VERBUNDENE
PROBLEME 229
7.1.2 DIE WAHRHEITSMATRIX 230
7.1.3 KLASSIFIZIERUNGSAUFGABEN MIT UNAUSGEWOGENER
KLASSENVERTEILUNG 230
7.1.4 KLASSIFIZIERUNGSAUFGABEN MIT UNAUSGEWOGENEM
KOSTEN-NUTZEN-VERHAELTNIS 233
7.2 VERALLGEMEINERUNG UEBER KLASSIFIZIERUNGEN HINAUS 234
7.3 EIN WICHTIGES ANALYTISCHES TOOL: DER ERWARTUNGSWERT 235
7.3.1 ERWARTUNGSWERTE FUER KLASSIFIZIERER VERWENDEN . . 236
7.3.2 ERWARTUNGSWERTE ZUR BEURTEILUNG VON KLASSIFIZIERERN
VERWENDEN 238
7.4 BEURTEILUNG, LEISTUNG UND DIE FOLGEN FUER INVESTITIONEN IN DATEN.
246
7.5 ZUSAMMENFASSUNG 249
8 VISUALISIERUNG DER LEISTUNG VON MODELLEN 251
8.1 RANGFOLGE STATT KLASSIFIZIERUNG 252
8.2 PROFITKURVEN 254
8.3 ROC-DIAGRAMME UND -KURVEN 257
8.4 DIE FLAECHE UNTER DER ROC-KURVE 263
8.5 KUMULATIVE REAKTIONSKURVEN UND LIFT-KURVEN 263
8.6 BEISPIEL: LEISTUNGSANALYSE 266
8.7 ZUSAMMENFASSUNG 275
9 EVIDENZ UND WAHRSCHEINLICHKEITEN 277
9.1 BEISPIEL: GEZIELTE KUNDENANSPRACHE DURCH ONLINEWERBUNG 277
9.2 EVIDENZEN PROBABILISTISCH KOMBINIEREN 280
9.2.1 VERBUNDWAHRSCHEINLICHKEIT UND UNABHAENGIGKEIT 281
9.2.2 DER SATZ VON BAYES 282
9.3 ANWENDUNG DES SATZES VON BAYES IN DER DATA SCIENCE 284
9.3.1 BEDINGTE UNABHAENGIGKEIT UND NAIVE
BAYES-KLASSIFIZIERUNG 286
INHALTSVERZEICHNIS
9,3.2 VOR- UND NACHTEILE DES NAIVEN BAYES-KLASSIFIZIERERS 288
9.4 EIN MODELL FUER DEN LIFT DER EVIDENZ 290
9.5 BEISPIEL: LIFTS DER EVIDENZ VON FACEBOOKS-LIKES 291
9.5.1 EVIDENZ IN AKTION: GEZIELTE KUNDENANSPRACHE DURCH
WERBUNG 293
9.6 ZUSAMMENFASSUNG 294
10 TEXTE REPRAESENTIEREN UND AUSWERTEN 295
10.1 DIE BEDEUTUNG VON TEXT 296
10.2 PROBLEME BEI DER AUSWERTUNG VON TEXT. 297
10.3 REPRAESENTIERANG 298
10.3.1 DAS BAG-OF-WORDS-MODELL 298
10.3.2 VORKOMMENSHAEUFIGKEITEN 299
10.3.3 INVERSE DOKUMENTHAEUFIGKEIT 302
10.3.4 DIE KOMBINATION AUS VORKORNMENSHAEUFIGKEIT UND
INVERSER DOKUMENTHAEUFIGKEIT: TFIDF 303
10.4 BEISPIEL: JAZZMUSIKER 304
10.5 * DER ZUSAMMENHANG ZWISCHEN IDF UND ENTROPIE 308
10.6 FENSEITS DES BAG-OF-WORDS-MODELLS 310
10.6.1 N-GRAMME 310
10.6.2 EIGENNAMENERKENNUNG 311
10.6.3 TOPIC MODELS 312
10.7 BEISPIEL: AUSWERTUNG VON WIRTSCHAFTSNACHRICHTEN ZWECKS
VORHERSAGE VON BOERSENKURSEN 313
10.7.1 DIE AUFGABE 314
10.7.2 DIE DATEN 316
10.7.3 DATENVORVERARBEITUNG 319
10.7.4 ERGEBNISSE 320
10.8 ZUSAMMENFASSUNG 324
11 ENTSCHEIDUNGSANALYSE II: ANALYTISCHES ENGINEERING 325
11.1 AUSWAHL GEEIGNETER EMPFAENGER EINES SPENDENAUFRUFS 326
11.1.1 ERWARTUNGSWERTE: ZERLEGUNG IN TEILAUFGABEN UND
KOMBINATION DER TEILERGEBNISSE 326
11.1.2 EIN KURZER EXKURS ZUM THEMA AUSWAHLEFFEKTE 328
11.2 EINE NOCH AUSGEKLUEGELTERE VORHERSAGE DER
KUNDENABWANDERUNG 329
11.2.1 ERWARTUNGSWERTE: STRUKTURIERUNG EINER KOMPLIZIERTEREN
GESCHAEFTLICHEN AUFGABE 330
11.2.2 DEN EINFLUSS DES ANREIZES BEURTEILEN. 331
INHALTSVERZEICHNIS
11.2.3 VON DER ZERLEGUNG EINES ERWARTUNGSWERTS ZUR
DATA-SCIENCE-LOESUNG * 333
11.3 ZUSAMMENFASSUNG 336
12 WEITERE VERFAHREN UND METHODEN DER DATA SCIENCE 339
12.1 GLEICHZEITIGES AUFTRETEN UND ASSOZIATIONEN: ZUEINANDER
PASSENDE OBJEKTE FINDEN * * * * 340
12.1.1 UNERWARTETHEIT MESSEN: LIFT UND LEVERAGE 341
12.1.2 BEISPIEL: BIER UND LOTTERIELOSE 342
12.1.3 ASSOZIATIONEN VON FACEBOOK-LIKES * * * * 343
12.2 PROFILING: TYPISCHES VERHALTEN ERKENNEN 347
12.3 VERKNUEPFUNGSVORHERSAGEN UND KONTAKTERNPFEHLUNGEN 352
12.4 DATENREDUZIERUNG, LATENTE INFORMATIONEN UND
FILMEMPFEHLUNGEN 354
12.5 BIAS, VARIANZ UND ENSEMBLEMETHODEN 358
12.6 DATENGESTUETZTE KAUSALMODELLE UND EIN BEISPIEL FUER VIRALES
MARKETING 362
12.7 ZUSAMMENFASSUNG 363
13 DATA SCIENCE UND GESCHAEFTSSTRATEGIE . * 365
13.1 DATENANALYTISCHE DENKWEISE 365
13.2 DURCH DATA SCIENCE WETTBEWERBSVORTEILE ERZIELEN 368
13.3 DURCH DATA SCIENCE ERZIELTE WETTBEWERBSVORTEILE BEWAHREN 369
13.3.1 VORTEILE DURCH HISTORISCHE GEGEBENHEITEN 370
13.3.2 EINZIGARTIGES GEISTIGES EIGENTUM 370
13.3.3 EINZIGARTIGE IMMATERIELLE WERTE 371
13.3.4 UEBERLEGENE DATA SCIENTISTS 371
13.3.5 UEBERLEGENES DATA-SCIENCE-MANAGEMENT 373
13.4 GEWINNUNG UND FOERDERUNG VON DATA SCIENTISTS UND IHREN
TEAMS 375
13.5 DATA-SCIENCE-FALLSTUDIEN 377
13.6 KREATIVE IDEEN VON BELIEBIGEN QUELLEN UEBERNEHMEN 378
13.7 BEURTEILUNG VON VORSCHLAEGEN FUER DATA-SCIENCE-PROJEKTE 379
13.7.1 BEISPIEL FUER EINEN DATA-MMING-PROJEKTVORSCHLAG 379
13.7.2 MAENGEL DES PRO]EKTVORSCHLAGS VON BIG RED 380
13.8 AUSGEREIFTE DATA SCIENCE 382
14 SCHLUSSFOLGERUNGEN 385
14.1 DIE FUNDAMENTALEN KONZEPTE DER DATA SCIENCE 385
14.1.1 ANWENDUNG DER FUNDAMENTALEN KONZEPTE AUF EINE NEUE
AUFGABE: AUSWERTUNG DER DATEN VON MOBILGERAETEN 388
INHALTSVERZEICHNIS
14.1.2 EINE NEUE SICHTWEISE AUF DIE LOESUNG VON GESCHAEFTLICHEN
AUFGABEN * 391
14.2 WAS DATEN NICHT LEISTEN KOENNEN; DER MENSCHLICHE FAKTOR 392
14.3 PRIVATSPHAERE, ETHIK UND AUSWERTUNG DER DATEN VON
EINZELPERSONEN 396
14.4 DATA SCIENCE: STECKT NOCH MEHR DAHINTER? 397
14.5 EIN LETZTES BEISPIEL: VOM CROWD-SOURCING ZUM CLOUD-SOURCING . 398
14.6 SCHLUSSWORTE 400
A LEITFADEN ZUR BEURTEILUNG VON PROJEKTVORSCHLAEGEN 401
A.L AUFGABEN- UND DATENVERSTAENDNIS 401
A.2 DATENAUFBEREITUNG 402
A.3 MODELLBILDUNG 403
A.4 BEURTEILUNG UND DEPLOYMENT 403
B EIN WEITERES BEISPIEL FUER EINEN PROJEKTVORSCHLAG 405
B.L SZENARIO UND PROJEKTVORSCHLAG 405
B.2 MAENGEL DES PROJEKTVORSCHLAGS VON GGC 406
GLOSSAR 409
QUELLENVERZEICHNIS 415
STICHWORTVERZEICHNIS 423
11 |
| any_adam_object | 1 |
| author | Provost, Foster 1964- Fawcett, Tom |
| author2 | Lorenzen, Knut |
| author2_role | trl |
| author2_variant | k l kl |
| author_GND | (DE-588)1053357028 (DE-588)1053357648 (DE-588)1020241446 |
| author_facet | Provost, Foster 1964- Fawcett, Tom Lorenzen, Knut |
| author_role | aut aut |
| author_sort | Provost, Foster 1964- |
| author_variant | f p fp t f tf |
| building | Verbundindex |
| bvnumber | BV044039487 |
| classification_rvk | QH 500 QP 345 ST 270 ST 530 |
| classification_tum | DAT 620f |
| ctrlnum | (OCoLC)972164800 (DE-599)DNB1124603034 |
| dewey-full | 658.403802856312 004 |
| dewey-hundreds | 600 - Technology (Applied sciences) 000 - Computer science, information, general works |
| dewey-ones | 658 - General management 004 - Computer science |
| dewey-raw | 658.403802856312 004 |
| dewey-search | 658.403802856312 004 |
| dewey-sort | 3658.403802856312 |
| dewey-tens | 650 - Management and auxiliary services 000 - Computer science, information, general works |
| discipline | Informatik Wirtschaftswissenschaften |
| edition | 1. Auflage |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000008c 4500</leader><controlfield tag="001">BV044039487</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20230306</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">170213s2017 gw |||| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">17,N06</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">17,A51</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1124603034</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783958455467</subfield><subfield code="c">Broschur : EUR 34.99 (DE), circa EUR 34.99 (AT), circa CHF 35.67</subfield><subfield code="9">978-3-95845-546-7</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3958455468</subfield><subfield code="9">3-95845-546-8</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)972164800</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1124603034</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-NW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M347</subfield><subfield code="a">DE-824</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-1050</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-858</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-863</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-1047</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">658.403802856312</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">004</subfield><subfield code="2">23</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 500</subfield><subfield code="0">(DE-625)141607:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 345</subfield><subfield code="0">(DE-625)141866:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 270</subfield><subfield code="0">(DE-625)143638:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 530</subfield><subfield code="0">(DE-625)143679:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 620f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">650</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Provost, Foster</subfield><subfield code="d">1964-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1053357028</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Data science for business</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data Science für Unternehmen</subfield><subfield code="b">Data Mining und datenanalytisches Denken praktisch anwenden</subfield><subfield code="c">Foster Provost, Tom Fawcett ; Übersetzung aus dem Amerikanischen von Knut Lorenzen</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Frechen</subfield><subfield code="b">mitp</subfield><subfield code="c">2017</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">431 Seiten</subfield><subfield code="b">Diagramme</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Business Intelligence</subfield><subfield code="0">(DE-588)4588307-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Informationssystem</subfield><subfield code="0">(DE-588)4072806-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Wirtschaftsinformatik</subfield><subfield code="0">(DE-588)4112736-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Data Scientists und Projektmanager</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Big Data</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Daten</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Projektmanager</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Business Intelligence</subfield><subfield code="0">(DE-588)4588307-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Informationssystem</subfield><subfield code="0">(DE-588)4072806-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Wirtschaftsinformatik</subfield><subfield code="0">(DE-588)4112736-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Fawcett, Tom</subfield><subfield code="0">(DE-588)1053357648</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lorenzen, Knut</subfield><subfield code="0">(DE-588)1020241446</subfield><subfield code="4">trl</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">mitp Verlags GmbH & Co. KG</subfield><subfield code="0">(DE-588)1065362072</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF/ePub</subfield><subfield code="z">978-3-95845-548-1</subfield><subfield code="w">(DE-604)BV044765478</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF/ePub</subfield><subfield code="z">978-3-95845-547-4</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=bef16e3c05d946379f25e322e364cbc5&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">SWB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029446563&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-029446563</subfield></datafield></record></collection> |
| id | DE-604.BV044039487 |
| illustrated | Not Illustrated |
| indexdate | 2024-09-10T02:10:45Z |
| institution | BVB |
| institution_GND | (DE-588)1065362072 |
| isbn | 9783958455467 3958455468 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-029446563 |
| oclc_num | 972164800 |
| open_access_boolean | |
| owner | DE-M347 DE-824 DE-860 DE-29T DE-1102 DE-706 DE-1050 DE-1049 DE-1043 DE-858 DE-384 DE-859 DE-B768 DE-12 DE-573 DE-473 DE-BY-UBG DE-91G DE-BY-TUM DE-355 DE-BY-UBR DE-92 DE-863 DE-BY-FWS DE-Aug4 DE-1047 |
| owner_facet | DE-M347 DE-824 DE-860 DE-29T DE-1102 DE-706 DE-1050 DE-1049 DE-1043 DE-858 DE-384 DE-859 DE-B768 DE-12 DE-573 DE-473 DE-BY-UBG DE-91G DE-BY-TUM DE-355 DE-BY-UBR DE-92 DE-863 DE-BY-FWS DE-Aug4 DE-1047 |
| physical | 431 Seiten Diagramme |
| publishDate | 2017 |
| publishDateSearch | 2017 |
| publishDateSort | 2017 |
| publisher | mitp |
| record_format | marc |
| spelling | Provost, Foster 1964- Verfasser (DE-588)1053357028 aut Data science for business Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Foster Provost, Tom Fawcett ; Übersetzung aus dem Amerikanischen von Knut Lorenzen 1. Auflage Frechen mitp 2017 431 Seiten Diagramme txt rdacontent n rdamedia nc rdacarrier Business Intelligence (DE-588)4588307-5 gnd rswk-swf Data Mining (DE-588)4428654-5 gnd rswk-swf Informationssystem (DE-588)4072806-7 gnd rswk-swf Wirtschaftsinformatik (DE-588)4112736-5 gnd rswk-swf Data Scientists und Projektmanager Big Data Daten Projektmanager Business Intelligence (DE-588)4588307-5 s Data Mining (DE-588)4428654-5 s DE-604 Informationssystem (DE-588)4072806-7 s Wirtschaftsinformatik (DE-588)4112736-5 s Fawcett, Tom (DE-588)1053357648 aut Lorenzen, Knut (DE-588)1020241446 trl mitp Verlags GmbH & Co. KG (DE-588)1065362072 pbl Erscheint auch als Online-Ausgabe, PDF/ePub 978-3-95845-548-1 (DE-604)BV044765478 Erscheint auch als Online-Ausgabe, PDF/ePub 978-3-95845-547-4 X:MVB text/html http://deposit.dnb.de/cgi-bin/dokserv?id=bef16e3c05d946379f25e322e364cbc5&prov=M&dok_var=1&dok_ext=htm Inhaltstext SWB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029446563&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Provost, Foster 1964- Fawcett, Tom Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Business Intelligence (DE-588)4588307-5 gnd Data Mining (DE-588)4428654-5 gnd Informationssystem (DE-588)4072806-7 gnd Wirtschaftsinformatik (DE-588)4112736-5 gnd |
| subject_GND | (DE-588)4588307-5 (DE-588)4428654-5 (DE-588)4072806-7 (DE-588)4112736-5 |
| title | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_alt | Data science for business |
| title_auth | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_exact_search | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden |
| title_full | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Foster Provost, Tom Fawcett ; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_fullStr | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Foster Provost, Tom Fawcett ; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_full_unstemmed | Data Science für Unternehmen Data Mining und datenanalytisches Denken praktisch anwenden Foster Provost, Tom Fawcett ; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_short | Data Science für Unternehmen |
| title_sort | data science fur unternehmen data mining und datenanalytisches denken praktisch anwenden |
| title_sub | Data Mining und datenanalytisches Denken praktisch anwenden |
| topic | Business Intelligence (DE-588)4588307-5 gnd Data Mining (DE-588)4428654-5 gnd Informationssystem (DE-588)4072806-7 gnd Wirtschaftsinformatik (DE-588)4112736-5 gnd |
| topic_facet | Business Intelligence Data Mining Informationssystem Wirtschaftsinformatik |
| url | http://deposit.dnb.de/cgi-bin/dokserv?id=bef16e3c05d946379f25e322e364cbc5&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029446563&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT provostfoster datascienceforbusiness AT fawcetttom datascienceforbusiness AT lorenzenknut datascienceforbusiness AT mitpverlagsgmbhcokg datascienceforbusiness AT provostfoster datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden AT fawcetttom datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden AT lorenzenknut datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden AT mitpverlagsgmbhcokg datasciencefurunternehmendataminingunddatenanalytischesdenkenpraktischanwenden |
Beschreibung
Würzburg Zentralbibliothek Lesesaal
| Signatur: |
1000 ST 530 P969 |
|---|---|
| Exemplar 1 | ausleihbar Verfügbar Bestellen |
| Exemplar 2 | ausleihbar Checked out – Rückgabe bis: 11.03.2025 Vormerken |
| Exemplar 3 | ausleihbar Verfügbar Bestellen |
Schweinfurt Zentralbibliothek Lesesaal
| Signatur: |
2000 ST 530 P969 D2 |
|---|---|
| Exemplar 1 | ausleihbar Verfügbar Bestellen |