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

Público ISBD Ningún comentario para este registro. 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. 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 Índice Dewey: 006.312 Minería de datos 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. . 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 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. 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 Índice Dewey: 006.312 Minería de datos 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. . 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

---

1 (1 - 1 / 1) Par page : 25 50 100 200