Data Mining for Business Analytics

Concepts, Techniques, and Applications with XLMiner

Author: Galit Shmueli,Peter C. Bruce,Nitin R. Patel

Publisher: John Wiley & Sons

ISBN: 1118729242

Category: Mathematics

Page: 560

View: 7860

Data Mining for Business Analytics: Concepts, Techniques, and Applications in XLMiner®, Third Edition presents an applied approach to data mining and predictive analytics with clear exposition, hands-on exercises, and real-life case studies. Readers will work with all of the standard data mining methods using the Microsoft® Office Excel® add-in XLMiner® to develop predictive models and learn how to obtain business value from Big Data. Featuring updated topical coverage on text mining, social network analysis, collaborative filtering, ensemble methods, uplift modeling and more, the Third Edition also includes: Real-world examples to build a theoretical and practical understanding of key data mining methods End-of-chapter exercises that help readers better understand the presented material Data-rich case studies to illustrate various applications of data mining techniques Completely new chapters on social network analysis and text mining A companion site with additional data sets, instructors material that include solutions to exercises and case studies, and Microsoft PowerPoint® slides https://www.dataminingbook.com Free 140-day license to use XLMiner for Education software Data Mining for Business Analytics: Concepts, Techniques, and Applications in XLMiner®, Third Edition is an ideal textbook for upper-undergraduate and graduate-level courses as well as professional programs on data mining, predictive modeling, and Big Data analytics. The new edition is also a unique reference for analysts, researchers, and practitioners working with predictive analytics in the fields of business, finance, marketing, computer science, and information technology. Praise for the Second Edition "…full of vivid and thought-provoking anecdotes... needs to be read by anyone with a serious interest in research and marketing."– Research Magazine "Shmueli et al. have done a wonderful job in presenting the field of data mining - a welcome addition to the literature." – ComputingReviews.com "Excellent choice for business analysts...The book is a perfect fit for its intended audience." – Keith McCormick, Consultant and Author of SPSS Statistics For Dummies, Third Edition and SPSS Statistics for Data Analysis and Visualization Galit Shmueli, PhD, is Distinguished Professor at National Tsing Hua University’s Institute of Service Science. She has designed and instructed data mining courses since 2004 at University of Maryland, Statistics.com, The Indian School of Business, and National Tsing Hua University, Taiwan. Professor Shmueli is known for her research and teaching in business analytics, with a focus on statistical and data mining methods in information systems and healthcare. She has authored over 70 journal articles, books, textbooks and book chapters. Peter C. Bruce is President and Founder of the Institute for Statistics Education at www.statistics.com. He has written multiple journal articles and is the developer of Resampling Stats software. He is the author of Introductory Statistics and Analytics: A Resampling Perspective, also published by Wiley. Nitin R. Patel, PhD, is Chairman and cofounder of Cytel, Inc., based in Cambridge, Massachusetts. A Fellow of the American Statistical Association, Dr. Patel has also served as a Visiting Professor at the Massachusetts Institute of Technology and at Harvard University. He is a Fellow of the Computer Society of India and was a professor at the Indian Institute of Management, Ahmedabad for 15 years.

Data Mining for Business Intelligence

Concepts, Techniques, and Applications in Microsoft Office Excel with XLMiner

Author: Galit Shmueli,Nitin R. Patel,Peter C. Bruce

Publisher: John Wiley and Sons

ISBN: 1118126041

Category: Mathematics

Page: 428

View: 5139

Praise for the First Edition " full of vivid and thought-provoking anecdotes needs to be read by anyone with a serious interest in research and marketing." —Research magazine "Shmueli et al. have done a wonderful job in presenting the field of data mining a welcome addition to the literature." —computingreviews.com Incorporating a new focus on data visualization and time series forecasting, Data Mining for Business Intelligence, Second Edition continues to supply insightful, detailed guidance on fundamental data mining techniques. This new edition guides readers through the use of the Microsoft Office Excel add-in XLMiner for developing predictive models and techniques for describing and finding patterns in data. From clustering customers into market segments and finding the characteristics of frequent flyers to learning what items are purchased with other items, the authors use interesting, real-world examples to build a theoretical and practical understanding of key data mining methods, including classification, prediction, and affinity analysis as well as data reduction, exploration, and visualization. The Second Edition now features: Three new chapters on time series forecasting, introducing popular business forecasting methods including moving average, exponential smoothing methods; regression-based models; and topics such as explanatory vs. predictive modeling, two-level models, and ensembles A revised chapter on data visualization that now features interactive visualization principles and added assignments that demonstrate interactive visualization in practice Separate chapters that each treat k-nearest neighbors and Naïve Bayes methods Summaries at the start of each chapter that supply an outline of key topics The book includes access to XLMiner, allowing readers to work hands-on with the provided data. Throughout the book, applications of the discussed topics focus on the business problem as motivation and avoid unnecessary statistical theory. Each chapter concludes with exercises that allow readers to assess their comprehension of the presented material. The final chapter includes a set of cases that require use of the different data mining techniques, and a related Web site features data sets, exercise solutions, PowerPoint slides, and case solutions. Data Mining for Business Intelligence, Second Edition is an excellent book for courses on data mining, forecasting, and decision support systems at the upper-undergraduate and graduate levels. It is also a one-of-a-kind resource for analysts, researchers, and practitioners working with quantitative methods in the fields of business, finance, marketing, computer science, and information technology.

Data Mining for Business Intelligence: Concepts, Techniques, and Applications in Microsoft Office Excel with Xlminer

Author: Galit Shmueli,Nitin R Patel,Peter C Bruce

Publisher: John Wiley & Sons

ISBN: 9788126517589

Category:

Page: 298

View: 4489

Market_Desc: As a textbook or supplement for courses in data mining, data warehousing, business intelligence, and/or decision support systems at the upper undergraduate or beginning graduate (MS, Ph.D., or MBA) levels in departments of mathematics and statistics, computer science, information technology, engineering, or business; as a reference guide for professionals in related fields. Special Features: · The book s greatest strength lies in its presentation of hands-on, business-oriented applications, complete with real data sets and cases.· The chapters have been written with flexibility in mind so the user and/or instructor can navigate throughout the book as he or she chooses.· The excellent mix between mathematical rigor and readability make the book ideal for multiple readerships.· The software system-of-choice, XLMinerTM, is a familiar and easy-to-use tool for business analysts, consultants, and students since it is based on the popular Excel® spreadsheet concept. It provides a comprehensive set of data mining models and algorithms that includes statistical, machine learning and database methods - at no additional cost to the purchaser!· There are plentiful exercises and examples to motivate learning and understanding. About The Book: This book arose out of a data mining course at MIT s Sloan School of Management. Preparation for the course revealed that there are a number of excellent books on the business context of data mining, but their coverage of the statistical and machine learning algorithms and theoretical underpinnings is not sufficiently detailed to provide a practical guide for users who possess the raw skills and tools to analyze data. This book is intended for the business student (and practitioner) of data mining techniques, and the goal is threefold: (1) to provide both a theoretical and practical understanding of the key methods of classification, prediction, reduction and exploration that are at the heart of data mining; (2) to provide a business decision-making context for these methods; and (3) using real business cases and data, to illustrate the application and interpretation of these methods. The book employs the use of an Excel® add-in, XLMinerTM, at no cost to registered instructors, in order to illustrate and interpret the various data sets that are presented throughout. Real-life business cases are also presented so that readers can implement algorithms with a very low learning hurdle.

Data mining

praktische Werkzeuge und Techniken für das maschinelle Lernen

Author: Ian H. Witten,Eibe Frank

Publisher: N.A

ISBN: 9783446215337

Category:

Page: 386

View: 1055


Getting Started with Business Analytics

Insightful Decision-Making

Author: David Roi Hardoon,Galit Shmueli

Publisher: CRC Press

ISBN: 1439896542

Category: Business & Economics

Page: 190

View: 3218

Assuming no prior knowledge or technical skills, Getting Started with Business Analytics: Insightful Decision-Making explores the contents, capabilities, and applications of business analytics. It bridges the worlds of business and statistics and describes business analytics from a non-commercial standpoint. The authors demystify the main concepts and terminologies and give many examples of real-world applications. The first part of the book introduces business data and recent technologies that have promoted fact-based decision-making. The authors look at how business intelligence differs from business analytics. They also discuss the main components of a business analytics application and the various requirements for integrating business with analytics. The second part presents the technologies underlying business analytics: data mining and data analytics. The book helps you understand the key concepts and ideas behind data mining and shows how data mining has expanded into data analytics when considering new types of data such as network and text data. The third part explores business analytics in depth, covering customer, social, and operational analytics. Each chapter in this part incorporates hands-on projects based on publicly available data. Helping you make sound decisions based on hard data, this self-contained guide provides an integrated framework for data mining in business analytics. It takes you on a journey through this data-rich world, showing you how to deploy business analytics solutions in your organization.

Ökonometrie für Dummies

Author: Roberto Pedace

Publisher: John Wiley & Sons

ISBN: 3527801529

Category: Business & Economics

Page: 388

View: 1911

Theorien verstehen und Techniken anwenden Was haben die Gehälter von Spitzensportlern und der Mindestlohn gemeinsam? Richtig, man kann sie mit Ökonometrie erforschen. Im Buch steht, wie es geht. Und nicht nur dafür, sondern für viele weitere Gebiete lohnt es sich, der zunächst etwas trocken und sperrig anmutenden Materie eine Chance zu geben. Lernen Sie von den Autoren, wie Sie spannende Fragen formulieren, passende Variablen festlegen, treffsichere Modelle entwerfen und Ihre Aussagen auf Herz und Nieren prüfen. Werden Sie sicher im Umgang mit Hypothesentests, Regressionsmodellen, Logit- & Probit-Modellen und allen weiteren gängigen Methoden der Ökonometrie. So begleitet Ökonometrie für Dummies Sie Schritt für Schritt und mit vielen Beispielen samt R Output durch dieses spannende Thema.

Business Adventures

Zwölf lehrreiche Geschichten aus der Welt der Wall Street

Author: John Brooks

Publisher: Börsenbuchverlag

ISBN: 3864702763

Category: Business & Economics

Page: 480

View: 5510

Wenn Bill Gates in seinem Blog ein Buch zum "besten Wirtschaftsbuch" kürt und nebenbei erwähnt, dass er es sich vor Jahren von Warren Buffett geliehen hat, dann kommt das dabei heraus: Ein seit Jahren vergriffenes Werk wird wieder zum Bestseller. "Business Adventures" wurde erstmals im Jahr 1968 veröffentlicht. Es enthält zwölf Essays des New Yorker Journalisten John Brooks, in denen dieser beschreibt, wie sich das Schicksal gigantischer Unternehmen durch einen Schlüsselmoment entschied. Sie geben einen zeitlosen und tiefen Einblick in die Mechanismen der Wirtschaft und der Wall Street. Bis vor wenigen Monaten war das Buch jahrelang vergriffen. Dann lobte Bill Gates es über den grünen Klee. Der Rest ist Geschichte. "Business Adventures" schoss umgehend in die

big data @ work

Chancen erkennen, Risiken verstehen

Author: Thomas H. Davenport

Publisher: Vahlen

ISBN: 3800648156

Category: Fiction

Page: 214

View: 5296

Big Data in Unternehmen. Dieses neue Buch gibt Managern ein umfassendes Verständnis dafür, welche Bedeutung Big Data für Unternehmen zukünftig haben wird und wie Big Data tatsächlich genutzt werden kann. Am Ende jedes Kapitels aktivieren Fragen, selbst nach Lösungen für eine erfolgreiche Implementierung und Nutzung von Big Data im eigenen Unternehmen zu suchen. Die Schwerpunkte - Warum Big Data für Sie und Ihr Unternehmen wichtig ist - Wie Big Data Ihre Arbeit, Ihr Unternehmen und Ihre Branche verändern - - wird - Entwicklung einer Big Data-Strategie - Der menschliche Aspekt von Big Data - Technologien für Big Data - Wie Sie erfolgreich mit Big Data arbeiten - Was Sie von Start-ups und Online-Unternehmen lernen können - Was Sie von großen Unternehmen lernen können: Big Data und Analytics 3.0 Der Experte Thomas H. Davenport ist Professor für Informationstechnologie und -management am Babson College und Forschungswissenschaftler am MIT Center for Digital Business. Zudem ist er Mitbegründer und Forschungsdirektor am International Institute for Analytics und Senior Berater von Deloitte Analytics.

Modeling Online Auctions

Author: Wolfgang Jank,Galit Shmueli

Publisher: John Wiley & Sons

ISBN: 9781118031865

Category: Mathematics

Page: 336

View: 6848

Explore cutting-edge statistical methodologies for collecting, analyzing, and modeling online auction data Online auctions are an increasingly important marketplace, as the new mechanisms and formats underlying these auctions have enabled the capturing and recording of large amounts of bidding data that are used to make important business decisions. As a result, new statistical ideas and innovation are needed to understand bidders, sellers, and prices. Combining methodologies from the fields of statistics, data mining, information systems, and economics, Modeling Online Auctions introduces a new approach to identifying obstacles and asking new questions using online auction data. The authors draw upon their extensive experience to introduce the latest methods for extracting new knowledge from online auction data. Rather than approach the topic from the traditional game-theoretic perspective, the book treats the online auction mechanism as a data generator, outlining methods to collect, explore, model, and forecast data. Topics covered include: Data collection methods for online auctions and related issues that arise in drawing data samples from a Web site Models for bidder and bid arrivals, treating the different approaches for exploring bidder-seller networks Data exploration, such as integration of time series and cross-sectional information; curve clustering; semi-continuous data structures; and data hierarchies The use of functional regression as well as functional differential equation models, spatial models, and stochastic models for capturing relationships in auction data Specialized methods and models for forecasting auction prices and their applications in automated bidding decision rule systems Throughout the book, R and MATLAB software are used for illustrating the discussed techniques. In addition, a related Web site features many of the book's datasets and R and MATLAB code that allow readers to replicate the analyses and learn new methods to apply to their own research. Modeling Online Auctions is a valuable book for graduate-level courses on data mining and applied regression analysis. It is also a one-of-a-kind reference for researchers in the fields of statistics, information systems, business, and marketing who work with electronic data and are looking for new approaches for understanding online auctions and processes. Visit this book's companion website by clicking here

Real-Time Data Mining

Author: Florian Stompe

Publisher: Diplomica Verlag

ISBN: 3836678799

Category: Business & Economics

Page: 106

View: 4880

Data Mining ist ein inzwischen etabliertes, erfolgreiches Werkzeug zur Extraktion von neuem, bislang unbekanntem Wissen aus Daten. In mittlerweile fast allen gr eren Unternehmen wird es genutzt um Mehrwerte f r Kunden zu generieren, den Erfolg von Marketingkampagnen zu erh hen, Betrugsverdacht aufzudecken oder beispielsweise durch Segmentierung unterschiedliche Kundengruppen zu identifizieren. Ein Grundproblem der intelligenten Datenanalyse besteht darin, dass Daten oftmals in rasanter Geschwindigkeit neu entstehen. Eink ufe im Supermarkt, Telefonverbindungen oder der ffentliche Verkehr erzeugen t glich eine neue Flut an Daten, in denen potentiell wertvolles Wissen steckt. Die versteckten Zusammenh nge und Muster k nnen sich im Zeitverlauf mehr oder weniger stark ver ndern. Datenmodellierung findet in der Regel aber noch immer einmalig bzw. sporadisch auf dem Snapshot einer Datenbank statt. Einmal erkannte Muster oder Zusammenh nge werden auch dann noch angenommen, wenn diese l ngst nicht mehr bestehen. Gerade in dynamischen Umgebungen wie zum Beispiel einem Internet-Shop sind Data Mining Modelle daher schnell veraltet. Betrugsversuche k nnen dann unter Umst nden nicht mehr erkannt, Absatzpotentiale nicht mehr genutzt werden oder Produktempfehlungen basieren auf veralteten Warenk rben. Um dauerhaft Wettbewerbsvorteile erzielen zu k nnen, muss das Wissen ber Daten aber m glichst aktuell und von ausgezeichneter Qualit t sein. Der Inhalt dieses Buches skizziert Methoden und Vorgehensweisen von Data Mining in Echtzeit.

Introductory Statistics and Analytics

A Resampling Perspective

Author: Peter C. Bruce

Publisher: John Wiley & Sons

ISBN: 1118881338

Category: Mathematics

Page: 312

View: 2837

Concise, thoroughly class-tested primer that features basicstatistical concepts in the concepts in the context of analytics,resampling, and the bootstrap A uniquely developed presentation of key statistical topics,Introductory Statistics and Analytics: A ResamplingPerspective provides an accessible approach to statisticalanalytics, resampling, and the bootstrap for readers with variouslevels of exposure to basic probability and statistics. Originallyclass-tested at one of the first online learning companies in thediscipline, www.statistics.com, the book primarily focuses onapplications of statistical concepts developed via resampling, witha background discussion of mathematical theory. This featurestresses statistical literacy and understanding, which demonstratesthe fundamental basis for statistical inference and demystifiestraditional formulas. The book begins with illustrations that have the essentialstatistical topics interwoven throughout before moving on todemonstrate the proper design of studies. Meeting all of theGuidelines for Assessment and Instruction in Statistics Education(GAISE) requirements for an introductory statistics course,Introductory Statistics and Analytics: A ResamplingPerspective also includes: Over 300 “Try It Yourself” exercises andintermittent practice questions, which challenge readers atmultiple levels to investigate and explore key statisticalconcepts Numerous interactive links designed to provide solutions toexercises and further information on crucial concepts Linkages that connect statistics to the rapidly growing fieldof data science Multiple discussions of various software systems, such asMicrosoft Office Excel®, StatCrunch, and R, to develop andanalyze data Areas of concern and/or contrasting points-of-view indicatedthrough the use of “Caution” icons Introductory Statistics and Analytics: A ResamplingPerspective is an excellent primary textbook for courses inpreliminary statistics as well as a supplement for courses inupper-level statistics and related fields, such as biostatisticsand econometrics. The book is also a general reference for readersinterested in revisiting the value of statistics.

Office 2010 für Dummies

Author: Wallace Wang

Publisher: John Wiley & Sons

ISBN: 3527639012

Category: Computers

Page: 427

View: 1432

Wenn Sie Ihren Schreibtisch nicht unbedingt mit riesigen Wälzern zustapeln wollen, sondern eine kurze Einführung in das Office 2010-Paket suchen, ist dies das richtige Buch für Sie. Bestseller-Autor Wallace Wang erkundet mit Ihnen die fünf beliebten Office 2010-Programme und stellt Ihnen sämtliche Neuerungen vor. Sie werden staunen, wie schnell Sie mit der neuen Benutzeroberfläche zurechtkommen und wie leicht Sie Office nun an Ihre Bedürfnisse anpassen können. Erstellen Sie übersichtliche Dokumente, packende Präsentationen, nützliche Tabellen und informative Datenbanken - kurz: Organisieren Sie Ihr Office! - Wie Sie sich mit dem Menüband in Office 2010 bewegen und in der Backstage-Ansicht alles im Blick haben - Wie Sie Ihre Texte in Form bringen: Formatvorlagen, Designs, Effekte & Co. - Wie Sie Daten grafisch darstellen und neueste Trends mithilfe von Sparklines schnell erkennen - Wie Ihnen die neuen Datenbankvorlagen die Arbeit erleichtern - Wie Sie Kontakte und Termine optimal in Outlook managen

Statistical Methods in e-Commerce Research

Author: Wolfgang Jank,Galit Shmueli

Publisher: John Wiley & Sons

ISBN: 9780470323182

Category: Mathematics

Page: 512

View: 998

This groundbreaking book introduces the application of statistical methodologies to e-Commerce data With the expanding presence of technology in today's economic market, the use of the Internet for buying, selling, and investing is growing more popular and public in nature. Statistical Methods in e-Commerce Research is the first book of its kind to focus on the statistical models and methods that are essential in order to analyze information from electronic-commerce (e-Commerce) transactions, identify the challenges that arise with new e-Commerce data structures, and discover new knowledge about consumer activity. This collection gathers over thirty researchers and practitioners from the fields of statistics, computer science, information systems, and marketing to discuss the growing use of statistical methods in e-Commerce research. From privacy protection to economic impact, the book first identifies the many obstacles that are encountered while collecting, cleaning, exploring, and analyzing e-Commerce data. Solutions to these problems are then suggested using established and newly developed statistical and data mining methods. Finally, a look into the future of this evolving area of study is provided through an in-depth discussion of the emerging methods for conducting e-Commerce research. Statistical Methods in e-Commerce Research successfully bridges the gap between statistics and e-Commerce, introducing a statistical approach to solving challenges that arise in the context of online transactions, while also introducing a wide range of e-Commerce applications and problems where novel statistical methodology is warranted. It is an ideal text for courses on e-Commerce at the upper-undergraduate and graduate levels and also serves as a valuable reference for researchers and analysts across a wide array of subject areas, including economics, marketing, and information systems who would like to gain a deeper understanding of the use of statistics in their work.

Einführung in Data Science

Grundprinzipien der Datenanalyse mit Python

Author: Joel Grus

Publisher: O'Reilly

ISBN: 3960100256

Category: Computers

Page: 352

View: 3732

Dieses Buch führt Sie in Data Science ein, indem es grundlegende Prinzipien der Datenanalyse erläutert und Ihnen geeignete Techniken und Werkzeuge vorstellt. Sie lernen nicht nur, wie Sie Bibliotheken, Frameworks, Module und Toolkits konkret einsetzen, sondern implementieren sie auch selbst. Dadurch entwickeln Sie ein tieferes Verständnis für die Zusammenhänge und erfahren, wie essenzielle Tools und Algorithmen der Datenanalyse im Kern funktionieren. Falls Sie Programmierkenntnisse und eine gewisse Sympathie für Mathematik mitbringen, unterstützt Joel Grus Sie dabei, mit den mathematischen und statistischen Grundlagen der Data Science vertraut zu werden und sich Programmierfähigkeiten anzueignen, die Sie für die Praxis benötigen. Dabei verwendet er Python: Die weitverbreitete Sprache ist leicht zu erlernen und bringt zahlreiche Bibliotheken für Data Science mit. Aus dem Inhalt: - Absolvieren Sie einen Crashkurs in Python - Lernen Sie die Grundlagen von linearer Algebra, Statistik und Wahrscheinlichkeitsrechnung kennen und erfahren Sie, wie diese in Data Science eingesetzt werden - Sammeln, untersuchen, bereinigen, bearbeiten und manipulieren Sie Daten - Tauchen Sie in die Welt des maschinellen Lernens ein - Implementieren Sie Modelle wie k-nearest Neighbors, Naive Bayes, lineare und logistische Regression, Entscheidungsbäume, neuronale Netzwerke und Clustering - Entdecken Sie Empfehlungssysteme, Sprachverarbeitung, Netzwerkanalyse, MapReduce und Datenbanken

Lean UX

Mit der Lean-Methode zu besserer User Experience

Author: Jeff Gothelf,Josh Seiden

Publisher: MITP-Verlags GmbH & Co. KG

ISBN: 3958451616

Category:

Page: 208

View: 921

- Lean UX effektiv im Unternehmen implementieren - Vorhandene Strukturen anpassen und interdisziplinäre Teams bilden - Mit Lean UX schlanke und schnell lieferbare Produktversionen erstellen Der Lean-UX-Ansatz für das Interaction Design ist wie geschaffen für die webdominierte Realität von heute. Jeff Gothelf, Pionier und führender Experte für Lean UX, erläutert in diesem Buch die zentralen Prinzipien, Taktiken und Techniken dieser Entwicklungsmethode von Grund auf – das Experimentieren mit Designideen in schneller Abfolge, die Validierung mithilfe echter Nutzer und die kontinuierliche Anpassung Ihres Designs anhand der neu hinzugewonnenen Erkenntnisse. In Anlehnung an die Theorien des Lean Developments und anderer agiler Entwicklungsmethoden gestattet Ihnen Lean UX, sich auf das Designen der eigentlichen User Experience statt auf die Deliverables zu konzentrieren. Dieses Buch zeigt Ihnen, wie Sie eng mit anderen Mitgliedern des Produktteams zusammenarbeiten sowie frühzeitige und häufige Nutzerfeedbacks realisieren können. Außerdem erfahren Sie, wie sich der Designprozess in kurzen, iterativen Zyklen vorantreiben lässt, um herauszufinden, was sowohl in geschäftlicher Hinsicht als auch aus Sicht der Nutzer am besten funktioniert. Lean UX weist Ihnen den Weg, wie Sie dieses Umdenken in Ihrem Unternehmen herbeiführen können – eine Wendung zum Besseren. - Visualisieren Sie das Problem, das Sie zu lösen versuchen, und fokussieren Sie Ihr Team auf die »richtigen« Ergebnisse - Vermitteln Sie dem gesamten Produktteam das Designer Toolkit - Lassen Sie Ihr Team sehr viel früher als üblich an Ihren Erkenntnissen teilhaben - Erstellen Sie MVPs (Minimum Viable Products), um in Erfahrung zu bringen, welche Ideen und Konzepte funktionieren - Beziehen Sie die »Stimme des Kunden« in den gesamten Projektzyklus mit ein - Kombinieren Sie Lean UX mit dem agilen Scrum-Framework und steigern Sie so die Produktivität Ihres Teams - Setzen Sie sich mit den organisatorischen Veränderungen auseinander, die zur Anwendung und Integration der Lean-UX-Methode erforderlich sind

Data Mining

Methoden und Algorithmen intelligenter Datenanalyse

Author: Thomas A. Runkler

Publisher: Springer-Verlag

ISBN: 3834893536

Category: Computers

Page: 165

View: 2797

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.