2000, ISBN: 9783528057411

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 v… Mehr…

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., Vieweg+Teubner Springer Fachmedien Wiesbaden, 2000, 0<

2000, ISBN: 3528057416

2000 Softcover 171 S. 24,2 x 17 x 1,2 cm Broschiert Zustand: gebraucht - sehr gut, Von Daten zum Wissen - Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wis… Mehr…

2000 Softcover 171 S. 24,2 x 17 x 1,2 cm Broschiert Zustand: gebraucht - sehr gut, 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. 2, [PU:Vieweg+Teubner Springer Fachmedien Wiesbaden]<