Informatik (Thema)

[term:name] ([term:vocabulary]) abonnieren

Die Kaufempfehlung, die Ihnen ein Webstore ausspricht, die Einschätzung, welcher Kunde kreditwürdig ist, oder die Analyse der Werttreiber von Immobilien - alle diese Beispiele aus dem heutigen Leben sind Ergebnis moderner Verfahren der Datenanalyse. Dieses Buch führt in solche statistische Verfahren anhand der Programmiersprache R ein.
Ziel ist es, Leser mit der Art und Weise vertraut zu machen, wie führende Organisationen und Praktiker angewandte Statistik heute einsetzen. Weil sich mit der Digitalisierung auch die statistischen Verfahren verändert haben, vermittelt der Autor neben klassischen Analysemethoden wie Regression auch moderne Methoden wie Textmining und Random-Forest-Modelle.

Informatikprodukte machen unser Leben angenehmer, können uns aber auch schaden. Was können Auftraggeber, Entwickler und Nutzer solcher Produkte tun, um die angenehmen Seiten auszuschöpfen und Schäden zu vermeiden?

Wie schützen wir uns vor "fake news" aus unbekannten Quellen im Netz?
Welche Regeln sollen für staatliche Überwachungsmaßnahmen gelten?
Informatiksysteme bewerten unsere Kreditwürdigkeit, Berufsleistung und vieles andere. Wer ist dafür verantwortlich, dass dies seriös geschieht, und was müssen alle Beteiligten tun, um ihrer Verantwortung gerecht zu werden?
Wie sicher muss ein autonomes Fahrzeug gemacht werden?

Der bekannte Excel-Autor Ignatz Schels führt Sie in seinem Grundlagenwerk durch das umfangreiche Programm und erläutert dessen komplexe Zusammenhänge sehr anschaulich. Das Buch eignet sich für Einsteiger in die Welt der Formeln und Funktionen ebenso wie für fortgeschrittene Anwender, denn alle Programmfunktionen werden verständlich erklärt: vom Arbeiten mit Tabellenblättern und Diagrammen über PivotTables bis zur Makroprogrammierung.

Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle und jeweils in sich abgeschlossene Anleitungen zu Aufgabenstellungen aus dem Bereich des Machine Learning, wie sie für die tägliche Arbeit typisch sind - von der Vorverarbeitung der Daten bis zum Deep Learning.

Entwickler, die mit Python und seinen Bibliotheken einschließlich Pandas und Scikit-Learn vertraut sind, werden spezifische Probleme erfolgreich bewältigen - wie etwa Daten laden, Text und numerische Daten behandeln, Modelle auswählen, Dimensionalität reduzieren und vieles mehr.

Jedes Rezept enthält Code, den Sie kopieren, zum Testen in eine kleine Beispieldatenmenge einfügen und dann anpassen können, um Ihre eigenen Anwendungen zu konstruieren.