Skip to main content
SpringerLink
Log in

Data Science anwenden

Einführung, Anwendungen und Projekte

  • Book
  • © 2021

Overview

Editors:
  1. Thomas Barton

    1. FB Informatik, Hochschule Worms, Worms, Deutschland

    View editor publications

    You can also search for this editor in PubMed   Google Scholar

  2. Christian Müller

    1. FB Wirtschaft, Informatik, Recht (WIR), Technische Hochschule Wildau, Wildau, Deutschland

    View editor publications

    You can also search for this editor in PubMed   Google Scholar

  • Zeigt, wie Data Science in der Praxis eingesetzt werden kann
  • Liefert eine anwendungsorientierte Einführung
  • Stellt den konkreten betrieblichen Nutzen heraus

Part of the book series: Angewandte Wirtschaftsinformatik (ANWI)

This is a preview of subscription content, log in via an institution to check access.

Access this book

Log in via an institution
eBook USD 34.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Other ways to access

Licence this eBook for your library

Institutional subscriptions

Table of contents (13 chapters)

  1. Front Matter

    Pages I-XIII
    Download chapter PDF

  2. Einleitung

    1. Front Matter

      Pages 1-1
      Download chapter PDF

    2. Data Science: Vom Begriff zur Anwendung

      • Thomas Barton, Christian Müller
      Pages 3-9

  3. Einführung in Data Science

    1. Front Matter

      Pages 11-11
      Download chapter PDF

    2. Visualisierung und Deep Learning in der Data Science

      • Jens Kaufmann, Daniel Retkowitz
      Pages 13-31

    3. Digitale Ethik in datengetriebenen Organisationen und deren Anwendung am Beispiel von KI-Ethik

      • Claudia Lemke, Dagmar Monett, Manuel Mikoleit
      Pages 33-52

    4. Multiple Perspektiven bei der Implementierung innovativer technologischer Lösungen im Kontext datengesteuerter Entscheidungsfindung

      • Anna-Maria Nitsche, Christian-Andreas Schumann, Christoph Laroque, Olga Matthias
      Pages 53-68

    5. Keine Angst vor Fehlschlägen – Erkenntnisse aus einer Umfrage zum Scheitern von Data-Science-Projekten

      • Jule Aßmann, Joachim Sauer, Michael Schulz
      Pages 69-81

  4. Systeme, Werkzeuge und Methoden

    1. Front Matter

      Pages 83-83
      Download chapter PDF

    2. Empfehlungssysteme und der Einsatz maschineller Lernverfahren

      • Andreas Peuker, Thomas Barton
      Pages 85-100

    3. Vergleich der Machine-Learning-Funktionalitäten von Business-Intelligence- und Analytics-Tools

      • Gabriele Roth-Dietrich, Michael Gröschel, Benedikt Reiner
      Pages 101-126

    4. Data-Science-Projekte mit dem Vorgehensmodell „DASC-PM“ durchführen: Kompetenzen, Rollen und Abläufe

      • Emal M. Alekozai, Jens Kaufmann, Stephan Kühnel, Uwe Neuhaus, Michael Schulz
      Pages 127-144

  5. Anwendungen

    1. Front Matter

      Pages 145-145
      Download chapter PDF

    2. Integration erneuerbarer Energien – KI-basierte Vorhersageverfahren zur Stromerzeugung durch Photovoltaikanlagen

      • Boris Brandherm, Matthieu Deru, Alassane Ndiaye, Gian-Luca Kiefer, Jörg Baus, Ralf Gampfer
      Pages 147-170

    3. Machine Learning für die Energiemanagementoptimierung

      • Gabriele Roth-Dietrich, Rainer Gerten
      Pages 171-191

    4. Text Mining bei einer wissenschaftlichen Literaturauswertung: Extraktion von Schlüsselwörtern zur Beschreibung von Inhalten

      • Thomas Barton, Arthur Kokoev
      Pages 193-199

    5. Identifikation relevanter Zusammenhänge in Daten mit maschinellem Lernen

      • Joshua Hammesfahr, Martin Spott
      Pages 201-218

    6. Framework für das Management und die Analyse von Fahrzeugdaten für die modellbasierte Fahrerassistenzsystementwicklung in Lehre und Forschung

      • Tobias Peuschke-Bischof, Stefan Kubica
      Pages 219-242

  6. Back Matter

    Pages 243-249
    Download chapter PDF
Back to top

Keywords

About this book

Dieses Buch bietet einen Einstieg in das Thema Data Science auf Basis der visuellen Aufbereitung von Daten. Es hat ethische Betrachtungen in der digitalen Transformation zum Gegenstand und stellt ein Prozessrahmenwerk für die Bewertung von Technologien vor. Außerdem erläutert es Besonderheiten und Erkenntnisse zum Scheitern von Data-Science-Projekten und stellt Empfehlungssysteme unter Berücksichtigung aktueller Entwicklungen vor. Funktionalität zu Machine Learning in Werkzeugen zu Business Analytics wird verglichen und der Einsatz eines Vorgehensmodells für Data Science aufgezeigt.
Die Integration erneuerbarer Energien am Beispiel von Photovoltaikanlagen, ein effizienterer Umgang mit Wärmeenergie, wissenschaftliche Literaturauswertung, Kundenzufriedenheit in der Automobilindustrie und ein Framework für die Analyse von Fahrzeugdaten dienen als Anwendungsbeispiele für den konkreten Einsatz von Data Science. Das Buch bietet wichtige Informationen, die für Praktiker ebenso relevant sind wie für Studierende und Lehrende.

Editors and Affiliations

  • FB Informatik, Hochschule Worms, Worms, Deutschland

    Thomas Barton

  • FB Wirtschaft, Informatik, Recht (WIR), Technische Hochschule Wildau, Wildau, Deutschland

    Christian Müller

About the editors

Prof. Dr. Thomas Barton ist Professor an der Hochschule Worms. Seine Schwerpunkte liegen in den Bereichen Entwicklung betrieblicher Anwendungen, E-Business, Cloud Computing und Data Science.
Prof. Dr. Christian Müller ist Professor an der Technischen Hochschule Wildau. Seine Schwerpunkte liegen in den Bereichen Operations Research, Simulation von Geschäftsprozessen und Internet-Technologien.



Bibliographic Information

Publish with us

Policies and ethics

Back to top

Search

Navigation