Applied Data Science / Braschler, Martin ; Stadelmann, Thilo ; Stockinger, Kurt  

Público ISBD Ningún comentario para este título. Título : Applied Data Science : Lessons Learned for the Data-Driven Business Tipo de documento: documento electrónico Autores: Braschler, Martin, ; Stadelmann, Thilo, ; Stockinger, Kurt, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XIII, 465 p. 121 ilustraciones, 92 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-11821-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Aprendizaje automático  Investigación cuantitativa  Sistemas de almacenamiento y recuperación de información.  Minería de datos y descubrimiento de conocimientos  Análisis de datos y Big Data  Almacenamiento y recuperación de información Clasificación: 006.312 Resumen: Este libro tiene dos objetivos principales: definir la ciencia de datos a través del trabajo de los científicos de datos y sus resultados, es decir, productos de datos, y al mismo tiempo brindar al lector lecciones relevantes aprendidas de proyectos de ciencia de datos aplicada en la intersección de la academia y la industria. Como tal, no reemplaza a un libro de texto clásico (es decir, no profundiza en los fundamentos de los métodos y principios descritos en otros lugares), pero resalta sistemáticamente la conexión entre la teoría, por un lado, y su aplicación en casos de uso específicos. en el otro. Con estos objetivos en mente, el libro se divide en tres partes: La Parte I rinde homenaje a la naturaleza interdisciplinaria de la ciencia de datos y proporciona una comprensión común de la terminología de la ciencia de datos para lectores con diferentes orígenes. Estos seis capítulos están orientados a dibujar una imagen consistente de la ciencia de datos y fueron escritos predominantemente por los propios editores. Luego, la Parte II amplía el espectro al presentar puntos de vista y perspectivas de diversos autores, algunos del mundo académico y otros de la industria, desde finanzas hasta salud y desde manufactura hasta comercio electrónico. Cada uno de estos capítulos describe un principio, método o herramienta fundamental en la ciencia de datos mediante el análisis de casos de uso específicos y la extracción de conclusiones concretas de ellos. Los estudios de caso presentados y los métodos y herramientas aplicados representan los aspectos prácticos de la ciencia de datos. Finalmente, la Parte III fue escrita nuevamente desde la perspectiva de los editores y resume las lecciones aprendidas que se han extraído de los estudios de caso de la Parte II. La sección puede verse como un metaestudio sobre ciencia de datos en una amplia gama de dominios, puntos de vista y campos. Además, proporciona respuestas a la pregunta de cuáles son los factores críticos para el éxito en diferentes proyectos de ciencia de datos. El libro está dirigido tanto a profesionales como a estudiantes de ciencia de datos: en primer lugar, científicos de datos en ejercicio en la industria y el mundo académico que desean ampliar su alcance y ampliar sus conocimientos aprovechando la experiencia combinada de los autores. En segundo lugar, los tomadores de decisiones en empresas que enfrentan el desafío de crear o implementar una estrategia basada en datos y que desean aprender de historias de éxito que abarcan una variedad de industrias. En tercer lugar, estudiantes de ciencia de datos que quieran comprender los aspectos teóricos y prácticos de la ciencia de datos, examinados por estudios de casos del mundo real en la intersección de la academia y la industria. . Nota de contenido: Preface -- 1 Introduction -- 2 Data Science -- 3 Data Scientists -- 4 Data products -- 5 Legal Aspects of Applied Data Science -- 6 Risks and Side Effects of Data Science and Data Technology -- 7 Organization -- 8 What is Data Science? -- 9 On Developing Data Science -- 10 The ethics of Big Data applications in the consumer sector -- 11 Statistical Modelling -- 12 Beyond ImageNet - Deep Learning in Industrial Practice -- 13 THE BEAUTY OF SMALL DATA - AN INFORMATION RETRIEVAL PERSPECTIVE -- 14 Narrative Visualization of Open Data -- 15 Security of Data Science and Data Science for Security -- 16 Online Anomaly Detection over Big Data Streams -- 17 Unsupervised Learning and Simulation for Complexity Management in Business Operations -- 18 Data Warehousing and Exploratory Analysis for Market Monitoring -- 19 Mining Person-Centric Datasets for Insight, Prediction, and Public Health Planning -- 20 Economic Measures of Forecast Accuracy for Demand Planning - A Case-Based Discussion -- 21 Large-Scale Data-DrivenFinancial Risk Assessment -- 22 Governance and IT Architecture -- 23 Image Analysis at Scale for Finding the Links between Structure and Biology -- 24 Lessons Learned from Challenging Data Science Case Studies. . Tipo de medio : Computadora Summary : This book has two main goals: to define data science through the work of data scientists and their results, namely data products, while simultaneously providing the reader with relevant lessons learned from applied data science projects at the intersection of academia and industry. As such, it is not a replacement for a classical textbook (i.e., it does not elaborate on fundamentals of methods and principles described elsewhere), but systematically highlights the connection between theory, on the one hand, and its application in specific use cases, on the other. With these goals in mind, the book is divided into three parts: Part I pays tribute to the interdisciplinary nature of data science and provides a common understanding of data science terminology for readers with different backgrounds. These six chapters are geared towards drawing a consistent picture of data science and were predominantly written by the editorsthemselves. Part II then broadens the spectrum by presenting views and insights from diverse authors – some from academia and some from industry, ranging from financial to health and from manufacturing to e-commerce. Each of these chapters describes a fundamental principle, method or tool in data science by analyzing specific use cases and drawing concrete conclusions from them. The case studies presented, and the methods and tools applied, represent the nuts and bolts of data science. Finally, Part III was again written from the perspective of the editors and summarizes the lessons learned that have been distilled from the case studies in Part II. The section can be viewed as a meta-study on data science across a broad range of domains, viewpoints and fields. Moreover, it provides answers to the question of what the mission-critical factors for success in different data science undertakings are. The book targets professionals as well as students of data science: first, practicing data scientists in industry and academia who want to broaden their scope and expand their knowledge by drawing on the authors' combined experience. Second, decision makers in businesses who face the challenge of creating or implementing a data-driven strategy and who want to learn from success stories spanning a range of industries. Third, students of data science who want to understand both the theoretical and practical aspects of data science, vetted by real-world case studies at the intersection of academia and industry. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Applied Data Science : Lessons Learned for the Data-Driven Business [documento electrónico] / Braschler, Martin, ; Stadelmann, Thilo, ; Stockinger, Kurt,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XIII, 465 p. 121 ilustraciones, 92 ilustraciones en color. ISBN : 978-3-030-11821-1 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Aprendizaje automático  Investigación cuantitativa  Sistemas de almacenamiento y recuperación de información.  Minería de datos y descubrimiento de conocimientos  Análisis de datos y Big Data  Almacenamiento y recuperación de información Clasificación: 006.312 Resumen: Este libro tiene dos objetivos principales: definir la ciencia de datos a través del trabajo de los científicos de datos y sus resultados, es decir, productos de datos, y al mismo tiempo brindar al lector lecciones relevantes aprendidas de proyectos de ciencia de datos aplicada en la intersección de la academia y la industria. Como tal, no reemplaza a un libro de texto clásico (es decir, no profundiza en los fundamentos de los métodos y principios descritos en otros lugares), pero resalta sistemáticamente la conexión entre la teoría, por un lado, y su aplicación en casos de uso específicos. en el otro. Con estos objetivos en mente, el libro se divide en tres partes: La Parte I rinde homenaje a la naturaleza interdisciplinaria de la ciencia de datos y proporciona una comprensión común de la terminología de la ciencia de datos para lectores con diferentes orígenes. Estos seis capítulos están orientados a dibujar una imagen consistente de la ciencia de datos y fueron escritos predominantemente por los propios editores. Luego, la Parte II amplía el espectro al presentar puntos de vista y perspectivas de diversos autores, algunos del mundo académico y otros de la industria, desde finanzas hasta salud y desde manufactura hasta comercio electrónico. Cada uno de estos capítulos describe un principio, método o herramienta fundamental en la ciencia de datos mediante el análisis de casos de uso específicos y la extracción de conclusiones concretas de ellos. Los estudios de caso presentados y los métodos y herramientas aplicados representan los aspectos prácticos de la ciencia de datos. Finalmente, la Parte III fue escrita nuevamente desde la perspectiva de los editores y resume las lecciones aprendidas que se han extraído de los estudios de caso de la Parte II. La sección puede verse como un metaestudio sobre ciencia de datos en una amplia gama de dominios, puntos de vista y campos. Además, proporciona respuestas a la pregunta de cuáles son los factores críticos para el éxito en diferentes proyectos de ciencia de datos. El libro está dirigido tanto a profesionales como a estudiantes de ciencia de datos: en primer lugar, científicos de datos en ejercicio en la industria y el mundo académico que desean ampliar su alcance y ampliar sus conocimientos aprovechando la experiencia combinada de los autores. En segundo lugar, los tomadores de decisiones en empresas que enfrentan el desafío de crear o implementar una estrategia basada en datos y que desean aprender de historias de éxito que abarcan una variedad de industrias. En tercer lugar, estudiantes de ciencia de datos que quieran comprender los aspectos teóricos y prácticos de la ciencia de datos, examinados por estudios de casos del mundo real en la intersección de la academia y la industria. . Nota de contenido: Preface -- 1 Introduction -- 2 Data Science -- 3 Data Scientists -- 4 Data products -- 5 Legal Aspects of Applied Data Science -- 6 Risks and Side Effects of Data Science and Data Technology -- 7 Organization -- 8 What is Data Science? -- 9 On Developing Data Science -- 10 The ethics of Big Data applications in the consumer sector -- 11 Statistical Modelling -- 12 Beyond ImageNet - Deep Learning in Industrial Practice -- 13 THE BEAUTY OF SMALL DATA - AN INFORMATION RETRIEVAL PERSPECTIVE -- 14 Narrative Visualization of Open Data -- 15 Security of Data Science and Data Science for Security -- 16 Online Anomaly Detection over Big Data Streams -- 17 Unsupervised Learning and Simulation for Complexity Management in Business Operations -- 18 Data Warehousing and Exploratory Analysis for Market Monitoring -- 19 Mining Person-Centric Datasets for Insight, Prediction, and Public Health Planning -- 20 Economic Measures of Forecast Accuracy for Demand Planning - A Case-Based Discussion -- 21 Large-Scale Data-DrivenFinancial Risk Assessment -- 22 Governance and IT Architecture -- 23 Image Analysis at Scale for Finding the Links between Structure and Biology -- 24 Lessons Learned from Challenging Data Science Case Studies. . Tipo de medio : Computadora Summary : This book has two main goals: to define data science through the work of data scientists and their results, namely data products, while simultaneously providing the reader with relevant lessons learned from applied data science projects at the intersection of academia and industry. As such, it is not a replacement for a classical textbook (i.e., it does not elaborate on fundamentals of methods and principles described elsewhere), but systematically highlights the connection between theory, on the one hand, and its application in specific use cases, on the other. With these goals in mind, the book is divided into three parts: Part I pays tribute to the interdisciplinary nature of data science and provides a common understanding of data science terminology for readers with different backgrounds. These six chapters are geared towards drawing a consistent picture of data science and were predominantly written by the editorsthemselves. Part II then broadens the spectrum by presenting views and insights from diverse authors – some from academia and some from industry, ranging from financial to health and from manufacturing to e-commerce. Each of these chapters describes a fundamental principle, method or tool in data science by analyzing specific use cases and drawing concrete conclusions from them. The case studies presented, and the methods and tools applied, represent the nuts and bolts of data science. Finally, Part III was again written from the perspective of the editors and summarizes the lessons learned that have been distilled from the case studies in Part II. The section can be viewed as a meta-study on data science across a broad range of domains, viewpoints and fields. Moreover, it provides answers to the question of what the mission-critical factors for success in different data science undertakings are. The book targets professionals as well as students of data science: first, practicing data scientists in industry and academia who want to broaden their scope and expand their knowledge by drawing on the authors' combined experience. Second, decision makers in businesses who face the challenge of creating or implementing a data-driven strategy and who want to learn from success stories spanning a range of industries. Third, students of data science who want to understand both the theoretical and practical aspects of data science, vetted by real-world case studies at the intersection of academia and industry. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200