Making Sense of Data

A Practical Guide to Exploratory Data Analysis and Data Mining

Author: Glenn J. Myatt

Publisher: John Wiley & Sons

ISBN: 0470101016

Category: Mathematics

Page: 288

View: 2539


Making Sense of Data I

A Practical Guide to Exploratory Data Analysis and Data Mining

Author: Glenn J. Myatt,Wayne P. Johnson

Publisher: John Wiley & Sons

ISBN: 1118422104

Category: Mathematics

Page: 248

View: 4991

Praise for the First Edition “...a well-written book on data analysis anddata mining that provides an excellent foundation...” —CHOICE “This is a must-read book for learning practicalstatistics and data analysis...” —Computing Reviews.com A proven go-to guide for data analysis, Making Sense of DataI: A Practical Guide to Exploratory Data Analysis and Data Mining,Second Edition focuses on basic data analysis approaches thatare necessary to make timely and accurate decisions in a diverserange of projects. Based on the authors’ practical experiencein implementing data analysis and data mining, the new editionprovides clear explanations that guide readers from almost everyfield of study. In order to facilitate the needed steps when handling a dataanalysis or data mining project, a step-by-step approach aidsprofessionals in carefully analyzing data and implementing results,leading to the development of smarter business decisions. The toolsto summarize and interpret data in order to master data analysisare integrated throughout, and the Second Edition alsofeatures: Updated exercises for both manual and computer-aidedimplementation with accompanying worked examples New appendices with coverage on the freely availableTraceis™ software, including tutorials using data from avariety of disciplines such as the social sciences, engineering,and finance New topical coverage on multiple linear regression and logisticregression to provide a range of widely used and transparentapproaches Additional real-world examples of data preparation to establisha practical background for making decisions from data Making Sense of Data I: A Practical Guide to Exploratory DataAnalysis and Data Mining, Second Edition is an excellentreference for researchers and professionals who need to achieveeffective decision making from data. The Second Edition isalso an ideal textbook for undergraduate and graduate-level coursesin data analysis and data mining and is appropriate forcross-disciplinary courses found within computer science andengineering departments.

Making Sense of Data II

A Practical Guide to Data Visualization, Advanced Data Mining Methods, and Applications

Author: Glenn J. Myatt,Wayne P. Johnson

Publisher: John Wiley & Sons

ISBN: 9780470417393

Category: Mathematics

Page: 308

View: 1854

A hands-on guide to making valuable decisions from data using advanced data mining methods and techniques This second installment in the Making Sense of Data series continues to explore a diverse range of commonly used approaches to making and communicating decisions from data. Delving into more technical topics, this book equips readers with advanced data mining methods that are needed to successfully translate raw data into smart decisions across various fields of research including business, engineering, finance, and the social sciences. Following a comprehensive introduction that details how to define a problem, perform an analysis, and deploy the results, Making Sense of Data II addresses the following key techniques for advanced data analysis: Data Visualization reviews principles and methods for understanding and communicating data through the use of visualization including single variables, the relationship between two or more variables, groupings in data, and dynamic approaches to interacting with data through graphical user interfaces. Clustering outlines common approaches to clustering data sets and provides detailed explanations of methods for determining the distance between observations and procedures for clustering observations. Agglomerative hierarchical clustering, partitioned-based clustering, and fuzzy clustering are also discussed. Predictive Analytics presents a discussion on how to build and assess models, along with a series of predictive analytics that can be used in a variety of situations including principal component analysis, multiple linear regression, discriminate analysis, logistic regression, and Naïve Bayes. Applications demonstrates the current uses of data mining across a wide range of industries and features case studies that illustrate the related applications in real-world scenarios. Each method is discussed within the context of a data mining process including defining the problem and deploying the results, and readers are provided with guidance on when and how each method should be used. The related Web site for the series (www.makingsenseofdata.com) provides a hands-on data analysis and data mining experience. Readers wishing to gain more practical experience will benefit from the tutorial section of the book in conjunction with the TraceisTM software, which is freely available online. With its comprehensive collection of advanced data mining methods coupled with tutorials for applications in a range of fields, Making Sense of Data II is an indispensable book for courses on data analysis and data mining at the upper-undergraduate and graduate levels. It also serves as a valuable reference for researchers and professionals who are interested in learning how to accomplish effective decision making from data and understanding if data analysis and data mining methods could help their organization.

Making Sense of Data III

A Practical Guide to Designing Interactive Data Visualizations

Author: Glenn J. Myatt,Wayne P. Johnson

Publisher: John Wiley & Sons

ISBN: 1118121600

Category: Mathematics

Page: 416

View: 3613

Focuses on insights, approaches, and techniques that areessential to designing interactive graphics and visualizations Making Sense of Data III: A Practical Guide to DesigningInteractive Data Visualizations explores a diverse range ofdisciplines to explain how meaning from graphical representationsis extracted. Additionally, the book describes the best approachfor designing and implementing interactive graphics andvisualizations that play a central role in data exploration anddecision-support systems. Beginning with an introduction to visual perception, MakingSense of Data III features a brief history on the use ofvisualization in data exploration and an outline of the designprocess. Subsequent chapters explore the following key areas: Cognitive and Visual Systems describes how various drawings,maps, and diagrams known as external representations are understoodand used to extend the mind's capabilities Graphics Representations introduces semiotic theory anddiscusses the seminal work of cartographer Jacques Bertin and thegrammar of graphics as developed by Leland Wilkinson Designing Visual Interactions discusses the four stages ofdesign process—analysis, design, prototyping, andevaluation—and covers the important principles and strategiesfor designing visual interfaces, information visualizations, anddata graphics Hands-on: Creative Interactive Visualizations with Protovisprovides an in-depth explanation of the capabilities of theProtovis toolkit and leads readers through the creation of a seriesof visualizations and graphics The final chapter includes step-by-step examples that illustratethe implementation of the discussed methods, and a series ofexercises are provided to assist in learning the Protovis language.A related website features the source code for the presentedsoftware as well as examples and solutions for selectexercises. Featuring research in psychology, vision science, statistics,and interaction design, Making Sense of Data III is anindispensable book for courses on data analysis and data mining atthe upper-undergraduate and graduate levels. The book also servesas a valuable reference for computational statisticians, softwareengineers, researchers, and professionals of any discipline whowould like to understand how the mind processes graphicalrepresentations.

Digitale Bildverarbeitung

Eine Einführung mit Java und ImageJ

Author: Wilhelm Burger,Mark James Burge

Publisher: Springer-Verlag

ISBN: 354027653X

Category: Computers

Page: 532

View: 4517

Die Autoren geben eine fundierte Einführung in die wichtigsten Methoden der digitalen Bildverarbeitung. Dabei steht die praktische Anwendbarkeit im Vordergrund, formale und mathematische Aspekte sind auf das Wesentliche reduziert, ohne dabei auf eine präzise und konsistente Vorgehensweise zu verzichten. Der Text eignet sich für technisch orientierte Studiengänge ab dem 3.Semester und basiert auf der mehrjährigen Lehrerfahrung der Autoren zu diesem Thema. Der Einsatz in der Lehre wird durch zahlreiche praktische Übungsaufgaben unterstützt. Das Buch eignet sich auch als detaillierte Referenz für Praktiker und Anwender gängiger Verfahren der digitalen Bildverarbeitung, z.B. in der Medizin, der Materialprüfung, der Robotik oder der Medientechnik. Softwareseitig basiert das Buch auf der in Java implementierten und frei verfügbaren Bildverarbeitungsumgebung ImageJ.

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: 8140


Datenanalyse mit Python

Auswertung von Daten mit Pandas, NumPy und IPython

Author: Wes McKinney

Publisher: O'Reilly

ISBN: 3960102143

Category: Computers

Page: 542

View: 1639

Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.Aus dem Inhalt:Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative ComputingLernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennenSetzen Sie die Datenanalyse-Tools der pandasBibliothek einVerwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von DatenErstellen Sie interformative Visualisierungen mit matplotlibWenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassenAnalysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.

Making Sense of Data Set

Author: Glenn J. Myatt

Publisher: Wiley

ISBN: 9781118395141

Category: Mathematics

Page: 991

View: 5425

Making Sense of Data: A Practical Guide to Exploratory Data Analysis and Data Mining by Glenn J. Myatt (978-0-470-07471-8), Making Sense of Data II: A Practical Guide to Data Visualization, Advanced Data Mining Methods, and Applications by Glenn J. Myatt and Wayne P. Johnson (978-0-470-22280-5), and Making Sense of Data III: A Practical Guide to Designing Interactive Data Visualizations by Glenn J. Myatt and Wayne P. Johnson (978-0-470-53649-0)

Selecting the Right Analyses for Your Data

Quantitative, Qualitative, and Mixed Methods

Author: W. Paul Vogt,Dianne C. Gardner,Lynne M. Haeffele,Elaine R. Vogt

Publisher: Guilford Publications

ISBN: 1462516025

Category: Social Science

Page: 500

View: 6789

"What are the most effective methods to code and analyze data for a particular study? This thoughtful and engaging book reviews the selection criteria for coding and analyzing any set of data--whether qualitative, quantitative, mixed, or visual. The authors systematically explain when to use verbal, numerical, graphic, or combined codes, and when to use qualitative, quantitative, graphic, or mixed-methods modes of analysis. Chapters on each topic are organized so that researchers can read them sequentially or can easily "flip and find" answers to specific questions. Nontechnical discussions of cutting-edge approaches--illustrated with real-world examples--emphasize how to choose (rather than how to implement) the various analyses. The book shows how using the right analysis methods leads to more justifiable conclusions and more persuasive presentations of research results. Useful features for teaching or self-study: *Chapter-opening preview boxes that highlight useful topics addressed. *End-of-chapter summary tables recapping the 'dos and don'ts' and advantages and disadvantages of each analytic technique. *Annotated suggestions for further reading and technical resources on each topic. Subject Areas/Keywords: analyses, coding, combined methods, data analysis, data collection, dissertation, graphical, interpretation, mixed methods, qualitative, quantitative, research analysis, research designs, research methods, social sciences, thesis, visual Audience: Researchers, instructors, and graduate students in a range of disciplines, including psychology, education, social work, sociology, health, and management; administrators and managers who need to make data-driven decisions"--

Mathematical Foundations of Computer Networking

Author: Srinivasan Keshav

Publisher: Addison-Wesley

ISBN: 0132826135

Category: Computers

Page: 491

View: 9414

“To design future networks that are worthy of society’s trust, we must put the ‘discipline’ of computer networking on a much stronger foundation. This book rises above the considerable minutiae of today’s networking technologies to emphasize the long-standing mathematical underpinnings of the field.” –Professor Jennifer Rexford, Department of Computer Science, Princeton University “This book is exactly the one I have been waiting for the last couple of years. Recently, I decided most students were already very familiar with the way the net works but were not being taught the fundamentals–the math. This book contains the knowledge for people who will create and understand future communications systems." –Professor Jon Crowcroft, The Computer Laboratory, University of Cambridge The Essential Mathematical Principles Required to Design, Implement, or Evaluate Advanced Computer Networks Students, researchers, and professionals in computer networking require a firm conceptual understanding of its foundations. Mathematical Foundations of Computer Networking provides an intuitive yet rigorous introduction to these essential mathematical principles and techniques. Assuming a basic grasp of calculus, this book offers sufficient detail to serve as the only reference many readers will need. Each concept is described in four ways: intuitively; using appropriate mathematical notation; with a numerical example carefully chosen for its relevance to networking; and with a numerical exercise for the reader. The first part of the text presents basic concepts, and the second part introduces four theories in a progression that has been designed to gradually deepen readers’ understanding. Within each part, chapters are as self-contained as possible. The first part covers probability; statistics; linear algebra; optimization; and signals, systems, and transforms. Topics range from Bayesian networks to hypothesis testing, and eigenvalue computation to Fourier transforms. These preliminary chapters establish a basis for the four theories covered in the second part of the book: queueing theory, game theory, control theory, and information theory. The second part also demonstrates how mathematical concepts can be applied to issues such as contention for limited resources, and the optimization of network responsiveness, stability, and throughput.

Statistik-Workshop für Programmierer

Author: Allen B. Downey

Publisher: O'Reilly Germany

ISBN: 3868993436

Category: Computers

Page: 160

View: 4665

Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einführung in die Statistik zeigt Ihnen, wie Sie rechnergestützt, anstatt auf mathematischem Weg Datenanalysen mit Python durchführen können. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch führt Sie anhand eines durchgängigen Fallbeispiels durch eine vollständige Datenanalyse -- von der Datensammlung über die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmöglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie über das Schreiben und Testen von Code ein Verständnis für die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Überprüfen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zugänglich sind. Lernen Sie etwas über Themen, die in Einführungen üblicherweise nicht vermittelt werden, beispielsweise über die Bayessche Schätzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.

Data Science mit Python

Das Handbuch für den Einsatz von IPython, Jupyter, NumPy, Pandas, Matplotlib und Scikit-Learn

Author: Jake VanderPlas

Publisher: MITP-Verlags GmbH & Co. KG

ISBN: 3958456979

Category: Computers

Page: 552

View: 7400

Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen Einsatz Python effizient für datenintensive Berechnungen einsetzen mit IPython und Jupyter Laden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und Pandas Visualisierung von Daten mit Matplotlib Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools. Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen. Dieses Handbuch erläutert die Verwendung der folgenden Tools: ● IPython und Jupyter für datenintensive Berechnungen ● NumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in Python ● Matplotlib für vielfältige Möglichkeiten der Visualisierung von Daten ● Scikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt. Leserstimme zum Buch: »Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weit über die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« – Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts

Neuronale Netze selbst programmieren

Ein verständlicher Einstieg mit Python

Author: Tariq Rashid

Publisher: O'Reilly

ISBN: 3960101031

Category: Computers

Page: 232

View: 8280

Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieses Buch nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: - Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen und Beispielen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. - Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. - Im nächsten Schritt tunen Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. - Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen. Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.

big data @ work

Chancen erkennen, Risiken verstehen

Author: Thomas H. Davenport

Publisher: Vahlen

ISBN: 3800648156

Category: Fiction

Page: 214

View: 1845

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.

Big Data

Die Revolution, die unser Leben verändern wird

Author: Viktor Mayer-Schönberger,Viktor; Cukier Mayer-Schönberger

Publisher: Redline Wirtschaft

ISBN: 3864144590

Category: Political Science

Page: 288

View: 8446

Ob Kaufverhalten, Grippewellen oder welche Farbe am ehesten verrät, ob ein Gebrauchtwagen in einem guten Zustand ist – noch nie gab es eine solche Menge an Daten und noch nie bot sich die Chance, durch Recherche und Kombination in der Daten¬flut blitzschnell Zusammenhänge zu entschlüsseln. Big Data bedeutet nichts weniger als eine Revolution für Gesellschaft, Wirtschaft und Politik. Es wird die Weise, wie wir über Gesundheit, Erziehung, Innovation und vieles mehr denken, völlig umkrempeln. Und Vorhersagen möglich machen, die bisher undenkbar waren. Die Experten Viktor Mayer-Schönberger und Kenneth Cukier beschreiben in ihrem Buch, was Big Data ist, welche Möglichkeiten sich eröffnen, vor welchen Umwälzungen wir alle stehen – und verschweigen auch die dunkle Seite wie das Ausspähen von persönlichen Daten und den drohenden Verlust der Privatsphäre nicht.

Data Science für Dummies

Author: Lillian Pierson

Publisher: John Wiley & Sons

ISBN: 352780675X

Category: Mathematics

Page: 382

View: 628

Daten, Daten, Daten? Sie haben schon Kenntnisse in Excel und Statistik, wissen aber noch nicht, wie all die Datensätze helfen sollen, bessere Entscheidungen zu treffen? Von Lillian Pierson bekommen Sie das dafür notwendige Handwerkszeug: Bauen Sie Ihre Kenntnisse in Statistik, Programmierung und Visualisierung aus. Nutzen Sie Python, R, SQL, Excel und KNIME. Zahlreiche Beispiele veranschaulichen die vorgestellten Methoden und Techniken. So können Sie die Erkenntnisse dieses Buches auf Ihre Daten übertragen und aus deren Analyse unmittelbare Schlüsse und Konsequenzen ziehen.

Graphische Semiologie

Diagramme, Netze, Karten

Author: Jacques Bertin

Publisher: Walter de Gruyter

ISBN: 9783111749792

Category: Cartography

Page: 430

View: 2490

Graphische Semiologie: Diagramme, Netze, Karten.