Solides Grundverständnis
Motivation und Eigenschaften der verschiedenen Data Mining Methoden
kompakter, fundierter Überblick
"Das Buch bietet eine gute Übersicht über die etablierten Methoden des Data Mining. Bei den kurzen und präzisen Beschreibungen der einzelnen Verfahren wird auf deren Eignung und Vorteile eingegangen; die Nachteile oder Probleme werden eher am Rande erwähnt. /.../
Insgesamt ein sehr gutes Buch um sich schnell einen fundierten Überblick über das Themenfeld Data Mining zu verschaffen und zu verstehen, für welche Anwendungsfälle welche Methoden sinnvoll sind."
Professor Dr. Hans-Jürgen Appelrath
"Der Autor stellt den komplizierten Stoff anschaulich und nachvollziehbar dar, setzt aber ein fundiertes mathematisches Grundwissen voraus"
Professor Dr.sc.techn. Helmut Jarosch, HWR Berlin
Dieses Lehrbuch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nicht-numerischen Datenbanken in Technik und Wirtschaft. Der Autor vermittelt einen kompakten und zugleich fundierten Überblick über die verschiedenen Methoden sowie deren Zielsetzungen und Eigenschaften. Dadurch werden Leser befähigt, Data Mining eigenständig anzuwenden.
Daten und Relationen - Datenvorverarbeitung - Datenvisualisierung - Korrelation - Regression - Prognose - Klassifikation - Clustering
Data Mining
Die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft werden in diesem Buch behandelt. Es vermittelt einen kompakten, fundierten Überblick über die verschiedenen Methoden sowie deren Motivation und versetzt den Leser in die Lage, Data Mining selbst praktisch einzusetzen.
Der Inhalt
Daten und Relationen
Datenvorverarbeitung
Datenvisualisierung
Korrelation
Regression
Prognose
Klassifikation
Clustering
Die Zielgruppen
Studierende der Informatik, Ingenieurwissenschaften und Mathematik
Informatiker, Ingenieure und Mathematiker in Forschung und Lehre
Praktiker, die mit großen Datenmengen arbeiten
Der Autor
Thomas A. Runkler ist Principal Research Scientist der Siemens AG in München und lehrt Data Mining an der Fakultät für Informatik der Technischen Universität München.
"... Im Anhang befinden sich eine Übersicht über Optimierungsverfahren, Lösungen der Übungsaufgaben und ein Sachverzeichnis. Die Beispiele sind gut gewählt und verständlich. Grundlegende Mathematikkenntnisse werden allerdings vorausgesetzt, erweiterte sind von Vorteil. Der Band kann sowohl Studierenden der Informatik und verwandter Gebiete als auch in der Praxis Stehenden als fundierte Übersicht empfohlen werden.” (in: thalia.de, 17. August 2016)
"Runkler [der Autor] ist ein gutes Überblickswerk gelungen, das eine enzyklopädieartige Einführung für eine mathematisch interessierte Leserschaft bietet." www.wirtschaftsinformatik.de, 03.05.2011
übersichtlich und umfassend
Daten und Relationen.- Datenvorverarbeitung.-Datenvisualisierung.- Korrelation.- Regression.- Prognose.- Klassifikation.- Clustering
"... Im Anhang befinden sich eine Übersicht über Optimierungsverfahren, Lösungen der Übungsaufgaben und ein Sachverzeichnis. Die Beispiele sind gut gewählt und verständlich. Grundlegende Mathematikkenntnisse werden allerdings vorausgesetzt, erweiterte sind von Vorteil. Der Band kann sowohl Studierenden der Informatik und verwandter Gebiete als auch in der Praxis Stehenden als fundierte Übersicht empfohlen werden." (in: thalia.de, 17. August 2016)
"Runkler [der Autor] ist ein gutes Überblickswerk gelungen, das eine enzyklopädieartige Einführung für eine mathematisch interessierte Leserschaft bietet." www.wirtschaftsinformatik.de, 03.05.2011
Über den Autor
Thomas A. Runkler ist Principal Research Scientist der Siemens AG in München und lehrt Data Mining an der Fakultät für Informatik der Technischen Universität München.
Inhaltsverzeichnis
Daten und Relationen.- Datenvorverarbeitung.-Datenvisualisierung.- Korrelation.- Regression.- Prognose.- Klassifikation.- Clustering
Klappentext
Dieses Lehrbuch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von ¿Wissen¿ aus numerischen und nicht-numerischen Datenbanken in Technik und Wirtschaft. Der Autor vermittelt einen kompakten und zugleich fundierten Überblick über die verschiedenen Methoden sowie deren Zielsetzungen und Eigenschaften. Dadurch werden Leser befähigt, Data Mining eigenständig anzuwenden.
Dieses Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Es vermittelt einen kompakten, fundierten Überblick über die verschiedenen Methoden sowie deren Motivation und versetzt den Leser in die Lage, Data Mining selbst praktisch einzusetzen.
