| Título : |
Guide to Intelligent Data Science : How to Intelligently Make Use of Real Data |
| Tipo de documento: |
documento electrónico |
| Autores: |
Berthold, Michael R., Autor ; Borgelt, Christian, Autor ; Höppner, Frank, Autor ; Klawonn, Frank, Autor ; Silipo, Rosaria, Autor |
| Mención de edición: |
2 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2020 |
| Número de páginas: |
XIII, 420 p. 179 ilustraciones, 122 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-030-45574-3 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Aprendizaje automático Análisis de datos y Big Data Minería de datos y descubrimiento de conocimientos Investigación cuantitativa Procesamiento de datos |
| Índice Dewey: |
006.312 Minería de datos |
| Resumen: |
El uso de datos ya no es un proyecto de nicho, sino que es fundamental para casi todos los proyectos. Con acceso a recursos informáticos masivos y grandes cantidades de datos, parece, al menos en principio, posible resolver cualquier problema. Sin embargo, los proyectos exitosos de ciencia de datos son el resultado de la aplicación inteligente de: la intuición humana en combinación con el poder computacional; sólidos conocimientos previos sobre modelado asistido por ordenador; y reflexión crítica de los conocimientos y resultados obtenidos. Este libro de texto básico, que actualiza sustancialmente la edición anterior, entonces titulada Guía para el análisis inteligente de datos, continúa brindando un enfoque instructivo práctico para muchas técnicas de ciencia de datos y explica cómo se utilizan para resolver problemas del mundo real. El trabajo equilibra los aspectos prácticos de la aplicación y el uso de técnicas de ciencia de datos con los fundamentos teóricos y algorítmicos de las matemáticas y la estadística. Se incluyen actualizaciones importantes sobre técnicas y cobertura de temas (incluido el aprendizaje profundo). Temas y características: Guía al lector a través del proceso de ciencia de datos, siguiendo los pasos interdependientes de comprensión del proyecto, comprensión de datos, combinación y transformación de datos, modelado, así como implementación y monitoreo. Incluye numerosos ejemplos que utilizan la plataforma de análisis KNIME de código abierto, en conjunto. con un apéndice introductorio Proporciona una revisión de los conceptos básicos de la estadística clásica que respaldan y justifican muchos métodos de análisis de datos, y un glosario de términos estadísticos Integra ilustraciones y ejemplos de estilo de estudio de casos para apoyar la exposición pedagógica Proporciona más herramientas e información en un sitio web asociado Este libro de texto/referencia práctico y sistemático es una herramienta "imprescindible" para estudiantes graduados y universitarios avanzados y una lectura esencial para todos los profesionales que enfrentan problemas de ciencia de datos. Además, es una "necesidad de utilizar, necesidad de conservar" un recurso después de la exploración del tema. Prof. Dr. Michael R. Berthold es profesor de Bioinformática y Minería de Información en la Universidad de Konstanz. Prof. Dr. Christian Borgelt es profesor de ciencia de datos en la Universidad Paris Lodron de Salzburgo. Prof. Dr. Frank Höppner es profesor de Ingeniería de la Información en la Universidad de Ciencias Aplicadas de Ostfalia. El Prof. Dr. Frank Klawonn es profesor de Análisis de Datos y Reconocimiento de Patrones en la misma institución y jefe del Grupo de Bioestadística en el Centro Helmholtz de Investigación de Infecciones. La Dra. Rosaria Silipo es científica principal de datos y jefa de evangelización en KNIME AG. |
| Nota de contenido: |
Introduction -- Practical Data Analysis: An Example -- Project Understanding -- Data Understanding -- Principles of Modeling -- Data Preparation -- Finding Patterns -- Finding Explanations -- Finding Predictors -- Evaluation and Deployment -- The Labelling Problem -- Appendix A: Statistics -- Appendix B: KNIME. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Guide to Intelligent Data Science : How to Intelligently Make Use of Real Data [documento electrónico] / Berthold, Michael R., Autor ; Borgelt, Christian, Autor ; Höppner, Frank, Autor ; Klawonn, Frank, Autor ; Silipo, Rosaria, Autor . - 2 ed. . - [s.l.] : Springer, 2020 . - XIII, 420 p. 179 ilustraciones, 122 ilustraciones en color. ISBN : 978-3-030-45574-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Aprendizaje automático Análisis de datos y Big Data Minería de datos y descubrimiento de conocimientos Investigación cuantitativa Procesamiento de datos |
| Índice Dewey: |
006.312 Minería de datos |
| Resumen: |
El uso de datos ya no es un proyecto de nicho, sino que es fundamental para casi todos los proyectos. Con acceso a recursos informáticos masivos y grandes cantidades de datos, parece, al menos en principio, posible resolver cualquier problema. Sin embargo, los proyectos exitosos de ciencia de datos son el resultado de la aplicación inteligente de: la intuición humana en combinación con el poder computacional; sólidos conocimientos previos sobre modelado asistido por ordenador; y reflexión crítica de los conocimientos y resultados obtenidos. Este libro de texto básico, que actualiza sustancialmente la edición anterior, entonces titulada Guía para el análisis inteligente de datos, continúa brindando un enfoque instructivo práctico para muchas técnicas de ciencia de datos y explica cómo se utilizan para resolver problemas del mundo real. El trabajo equilibra los aspectos prácticos de la aplicación y el uso de técnicas de ciencia de datos con los fundamentos teóricos y algorítmicos de las matemáticas y la estadística. Se incluyen actualizaciones importantes sobre técnicas y cobertura de temas (incluido el aprendizaje profundo). Temas y características: Guía al lector a través del proceso de ciencia de datos, siguiendo los pasos interdependientes de comprensión del proyecto, comprensión de datos, combinación y transformación de datos, modelado, así como implementación y monitoreo. Incluye numerosos ejemplos que utilizan la plataforma de análisis KNIME de código abierto, en conjunto. con un apéndice introductorio Proporciona una revisión de los conceptos básicos de la estadística clásica que respaldan y justifican muchos métodos de análisis de datos, y un glosario de términos estadísticos Integra ilustraciones y ejemplos de estilo de estudio de casos para apoyar la exposición pedagógica Proporciona más herramientas e información en un sitio web asociado Este libro de texto/referencia práctico y sistemático es una herramienta "imprescindible" para estudiantes graduados y universitarios avanzados y una lectura esencial para todos los profesionales que enfrentan problemas de ciencia de datos. Además, es una "necesidad de utilizar, necesidad de conservar" un recurso después de la exploración del tema. Prof. Dr. Michael R. Berthold es profesor de Bioinformática y Minería de Información en la Universidad de Konstanz. Prof. Dr. Christian Borgelt es profesor de ciencia de datos en la Universidad Paris Lodron de Salzburgo. Prof. Dr. Frank Höppner es profesor de Ingeniería de la Información en la Universidad de Ciencias Aplicadas de Ostfalia. El Prof. Dr. Frank Klawonn es profesor de Análisis de Datos y Reconocimiento de Patrones en la misma institución y jefe del Grupo de Bioestadística en el Centro Helmholtz de Investigación de Infecciones. La Dra. Rosaria Silipo es científica principal de datos y jefa de evangelización en KNIME AG. |
| Nota de contenido: |
Introduction -- Practical Data Analysis: An Example -- Project Understanding -- Data Understanding -- Principles of Modeling -- Data Preparation -- Finding Patterns -- Finding Explanations -- Finding Predictors -- Evaluation and Deployment -- The Labelling Problem -- Appendix A: Statistics -- Appendix B: KNIME. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsquedaFrontiers in Computational Intelligence / Mostaghim, Sanaz ; Nürnberger, Andreas ; Borgelt, Christian
