Aktion	Zweigstelle	Standorte	Status	Frist	Vorbestellungen
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NN.MNS Hees / College 6a - Naturwissenschaften	Status: Verfügbar	Frist:	Vorbestellungen: 0

Data Science trägt wesentlich zu einer schnelleren Nutzbarmachung von Markt-, Kunden- und Nutzerdaten bei, inklusive der Analyse von Daten aus Sozialen Netzwerken. Wo früher klassische Statistik für Berechnungen und Vorhersagen herangezogen wurde, da erlauben heute Open-Source-Werkzeuge wie R Daten in unterschiedlichsten Formaten und aus beliebig vielen Quellen für die Analyse einzulesen, aufzubereiten und mit Hilfe von Methoden der Künstlichen Intelligenz und des Machine Learning zu analysieren. Die Ergebnisse können dann anschließend perfekt visuell dargestellt werden, so dass die Entscheider schnell und effektiv davon profitieren können. Daraus lässt sich ableiten, welche Maßnahmen mit einer vorhersagbaren Wahrscheinlichkeit zur Erreichung der eigenen Ziele geeignet sind, z.B. welcher Preis für ein Angebot die gewünschte Nachfrage erzeugt oder welche Marketingmaßnahme eine gewünschte Zielgruppe erreicht.

Dieses Buch vermittelt auf Basis von R, wie Sie Statistik, Data Science, Künstliche Intelligenz und Machine Learning in der Industrie 4.0 nutzen können. Die Anwendungsbeispiele können von Lesern selbst durchgeführt werden, da das Buch die R-Anweisungen beinhaltet. Damit ist das Buch ideal für Studierende und andere Interessierte, die sich Kenntnisse in der Statistiklösung R aneignen wollen.

 

 

Aus dem Inhalt:

1 Einleitung 1 / 1.1 Data Science und Big Data 2 / 1.2 Business Intelligence 4 / 1.3 Engpass Data-Science-Kompetenz 5 / Literatur 6 / / 2 Data Science 7 / 2.1 Standards für das Projektmanagement 8 / 2.2 Standards für die Visualisierung 9 / 2.3 Standards für den Datenaustausch 11 / Literatur 14 / / 3 Data Science mit R 15 / 3.1 Installation einer R-Umgebung 16 / 3.1.1 R installieren 16 / 3.1.2 R-Tools installieren 22 / 3.1.3 RStudio installieren 25 / 3.2 R Grundlagen 30 / 3.2.1 Starten und Beenden von R 30 / 3.2.2 Arbeiten mit Packages 32 / 3.2.3 Installation des Pakets datascience 33 / 3.3 R-Syntax 34 / 3.3.1 Datentypen 35 / 3.3.2 Datenstrukturen 41 / 3.3.3 Operationen 64 / 3.3.4 Funktionen 85 / 3.3.5 Kontrollstrukturen 92 / 3.4 Import und Export von Daten 97 / 3.4.1 Umgang mit Dateien 97 / 3.4.2 Import von Daten 98 / 3.4.3 Export von Daten 100 / 3.5 Transformation von Daten 106 / 3.5.1 Konventionen für die Transformation 107 / 3.5.2 Funktionen für die Transformation 111 / 3.6 Visualisierung 132 / 3.6.1 Farben 150 / 3.6.2 Landkarten 160 / 3.6.3 Interaktive Landkarten 170 / 3.6.4 Dynamische Abbildungen 174 / 3.7 Fallstudie 175 / Literatur 209 / / 4 Statistik 211 / 4.1 Deskriptive Statistik 214 / 4.1.1 Lagemaße 216 / 4.1.2 Streuungsmaße 219 / 4.1.3 Univariate Statistik und Verteilungen 228 / 4.1.4 Bivariate und multivariate Statistik 234 / 4.1.5 Visualisierung 251 / 4.2 Wahrscheinlichkeitsrechnung 262 / 4.2.1 Zufallsvariablen 263 / 4.2.2 Kombinationen 275 / 4.2.3 Zufallszahlen und Zufallswerte 278 / 4.2.4 Wahrscheinlichkeitsverteilungen 280 / 4.2.5 Z-Standardisierung 290 / 4.2.6 Bedingte Wahrscheinlichkeit 297 / 4.2.7 Bemoulli-Experiment 302 / 4.3 Induktive Statistik 305 / 4.3.1 Stichproben 306 / 4.3.2 Konfidenzintervalle 316 / 4.3.3 Hypothesentests 323 / 4.3.4 Regression 350 / 4.3.5 Clustering 360 / Literatur 365 / / 5 Ausblick Machine Learning & Künstliche Intelligenz 367 / Literatur 369 / / Anhang 371