Information Mining von Von Daten zum Wissen - Das behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen
6 Angebote vergleichen
Preise | 2013 | 2014 | 2015 | 2016 | 2021 |
---|---|---|---|---|---|
Schnitt | € 76,98 | € 88,16 | € 68,78 | € 71,89 | € 75,67 |
Nachfrage |
1
Information Mining von Von Daten zum Wissen - Das behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen z (2000)
DE PB US
ISBN: 9783528057411 bzw. 3528057416, in Deutsch, Vieweg+Teubner Springer Fachmedien Wiesbaden, Wiesbaden, Taschenbuch, gebraucht.
Von Händler/Antiquariat, Buchservice Lars Lutzer [53994756], Bad Segeberg, Germany.
Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen. In deutscher Sprache. 171 pages. 24,2 x 17 x 1,2 cm.
Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen. In deutscher Sprache. 171 pages. 24,2 x 17 x 1,2 cm.
2
Symbolbild
Information Mining von Von Daten zum Wissen - Das behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen z (2000)
DE
ISBN: 9783528057411 bzw. 3528057416, in Deutsch, Vieweg+Teubner Springer Fachmedien Wiesbaden.
Lieferung aus: Deutschland, Versandkosten nach: CHE.
Von Händler/Antiquariat, Lars Lutzer.
Wiesbaden: Vieweg+Teubner Springer Fachmedien Wiesbaden, 2000. 2000. Softcover. 24,2 x 17 x 1,2 cm. Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen. Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen.
Von Händler/Antiquariat, Lars Lutzer.
Wiesbaden: Vieweg+Teubner Springer Fachmedien Wiesbaden, 2000. 2000. Softcover. 24,2 x 17 x 1,2 cm. Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen. Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen.
3
Symbolbild
Information Mining von Von Daten zum Wissen - Das behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen z (2000)
DE PB US
ISBN: 3528057416 bzw. 9783528057411, in Deutsch, Wiesbaden Vieweg+Teubner Springer Fachmedien Wiesbaden 2000, Taschenbuch, gebraucht.
Lieferung aus: Deutschland, Versandart: STD, Versand nach: DE.
Von Händler/Antiquariat, Lars Lutzer, [9574453].
2000 Softcover Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen. Seiten: 171 24,2 x 17 x 1,2 cm.
Von Händler/Antiquariat, Lars Lutzer, [9574453].
2000 Softcover Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen. Seiten: 171 24,2 x 17 x 1,2 cm.
4
Symbolbild
Information Mining von Von Daten zum Wissen - Das behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen (2000)
DE PB
ISBN: 3528057416 bzw. 9783528057411, in Deutsch, Wiesbaden Vieweg+Teubner Springer Fachmedien Wiesbaden, Taschenbuch.
Lieferung aus: Deutschland, zzgl. Versandkosten.
Von Händler/Antiquariat, Buchservice-Lars-Lutzer, 23795 Bad Segeberg.
2000 Softcover 171 S. 24,2 x 17 x 1,2 cm Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von ""Wissen"" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen. Versand D: 6,95 EUR Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von ""Wissen"" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen.
Von Händler/Antiquariat, Buchservice-Lars-Lutzer, 23795 Bad Segeberg.
2000 Softcover 171 S. 24,2 x 17 x 1,2 cm Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von ""Wissen"" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen. Versand D: 6,95 EUR Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von ""Wissen"" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozesstechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen. Data Mining ist heute im Zeitalter der Internet-Portale und des e Commerce aber auch im klassischen Vertrieb ein nicht mehr wegzudenkender Bestandteil der Kundenbetreuung und eines zielgeriehteten Marketings. Umso erstaunlicher ist es, dass ver gleichsweise wenig praxisnahe Literatur zum Einsatz der entspre chenden Methoden existiert. Es ist deshalb erfreulich, dass die Herausgeber des vorliegenden Werkes, Professor Dr. Alpar, Uni versitat Marburg und Prof. Dr. Niedereichholz, Universitat Mann heim, aus ihrem aktuellen Forschungs- und Arbeitsgebiet Arbei ten zum Data Mining zusammengestellt haben, die sie selbst be treuten - in Form von Praxis-Diplomarbeiten und -Dissertationen oder -Projekten. Dabei ging es nicht darum, neue Algorithmen fur das Data Mining zu entwickeln, sondern urn die Erprobung und den Vergleich bestehender Data Mining-Methoden und -Werkzeuge in produktiven Umgebungen. Die einzelnen Arbeiten des vorliegenden Werkes machen klar, dass Data Mining heute zwar in Form vielfaltiger einzelner Werk zeuge und in OLAP- oder Datawarehouse-Systemen einsatzbereit ist, dass aber die Implementierung und fallgerechte Handhabung beachtliche Kenntnisse erfordern. Obwohl Standardsoftware ein gesetzt wurde, waren in fast allen Fallen auch Programmierar beiten notwendig, z.B. urn Schnittstellen zwischen verschiedenen Systemen zu schaffen oder die Priisentation der Ergebnisse an schaulicher zu gestalten. Der Endbenutzer in der Fachabteilung ist - auf sich gestellt - da mit sieher uberfordert, dies betonen auch aile Softwareanbieter. Neben guten Fachkenntnissen sind Kenntnisse der Informati onstechnologie und der quantitativen Methoden unentbehrlich, urn die dem jeweiligen Anwendungsproblem gerechte Analyse, Datenaufbereitung, Methodenauswahl und Schlussfolgerung durchzuführen.
5
Information Mining (2000)
~DE PB NW
ISBN: 9783528057411 bzw. 3528057416, vermutlich in Deutsch, Vieweg & Teubner, Taschenbuch, neu.
Lieferung aus: Schweiz, Versandfertig innert 3 - 5 Werktagen.
Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von 'Wissen' aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Taschenbuch, 29.03.2000.
Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von 'Wissen' aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Taschenbuch, 29.03.2000.
6
NEW Information Mining by Thomas Runkler BOOK (Paperback) Free P&H
DE NW
ISBN: 3528057416 bzw. 9783528057411, in Deutsch, Vieweg, Braunschweig/Wiesbaden, Deutschland, neu.
Lieferung aus: Vereinigte Staaten von Amerika, Lieferart: Free, Lieferung: Europe, Artikelstandort: USA, Versandkostenfrei.
Von Händler/Antiquariat, grey_elk_books_au_and_uk - Grey Elk Books.
Festpreisangebot.
Von Händler/Antiquariat, grey_elk_books_au_and_uk - Grey Elk Books.
Festpreisangebot.
Lade…