Der Jahresreader als Forum fur Analyse und Gestaltung der Informationsgesellschaft vereint in einem interdisziplinaren und transdisziplinaren Dialog herausragende Vertreter aus Wissenschaft und Praxis. Die unterschiedlichen Suchwege werden transparent, die Fragen des Erhalts der Werte im dynamischen Wandel der Netzwelt werden an zentralen Begriffen wie Qualitat oder Offentlichkeit deutlich. Aus okonomischer, regulatorischer, rechtlicher, sozialer, kultureller und medienpolitischer Perspektive gilt das besondere Augenmerk der Gestaltung vertraglicher und nachhaltiger Infrastrukturen mit ihren Techniken, Diensten und Anwendungen, der erforderlichen Regulierung in einem demokratischen und marktwirtschaftlichen Ordnungssystem, sowie dem gesellschaftspolitischen Anspruch gerade des deutschen Innovationsstandorts im europaischen und weltweiten Umfeld, eine Schrittmacherfunktion zu erhalten."

Erfolgreiches Wissensmanagement setzt voraus, dass es in die tagliche Arbeit integriert ist, wie sie durch die Geschaftsprozesse eines Unternehmens vorgegeben wird. Wissensmanagement muss deshalb als integraler Bestandteil von Geschaftsprozessen und deren Gestaltung betrachtet werden. Wissen ist fur ein Unternehmen relevant, wenn es die Geschaftsprozesse verbessert. In diesem Buch werden praxisrelevante Techniken und Vorgehensweisen beschrieben, mit deren Hilfe relevantes Wissen identifiziert, gesichert und gezielt zur Bearbeitung von Prozessaktivitaten bereitgestellt werden kann.

Anwender, die mit Hilfe statistischer Verfahren experimentell ermittelte Resultate auswerten und grafisch darstellen wollen, finden in diesem Buch ein nutzliches Werkzeug. 15 Kernanwendungen aus den Bereichen Physik, Biologie, Chemie, Pharmazie, Medizin, Psychologie, Pharmakologie und Okonomie sind auch fur Mathematica-Einsteiger leicht einzusetzen und eigenen Bedurfnissen anzupassen. Dem Mathematica-Kenner werden eine Reihe statistischer Befehle an die Hand gegeben, mit denen er auch ohne Kenntnisse der Mathematica-Programmierung eigene Auswertungs-Routinen erstellen kann. Daruber hinaus werden grafische Darstellungsformen entwickelt, um komplexe Sachverhalte ubersichtlich und publikationsreif zu prasentieren. Eine CD-ROM mit Anwendungstools liegt bei."

Cluster analysis finds groups in data automatically. Most methods have been heuristic and leave open such central questions as: how many clusters are there? Which method should I use? How should I handle outliers? Classification assigns new observations to groups given previously classified observations, and also has open questions about parameter tuning, robustness and uncertainty assessment. This book frames cluster analysis and classification in terms of statistical models, thus yielding principled estimation, testing and prediction methods, and sound answers to the central questions. It builds the basic ideas in an accessible but rigorous way, with extensive data examples and R code; describes modern approaches to high-dimensional data and networks; and explains such recent advances as Bayesian regularization, non-Gaussian model-based clustering, cluster merging, variable selection, semi-supervised and robust classification, clustering of functional data, text and images, and co-clustering. Written for advanced undergraduates in data science, as well as researchers and practitioners, it assumes basic knowledge of multivariate calculus, linear algebra, probability and statistics.

Die wachsenden Anforderungen der Kunden an die Qualitat von IT-Dienstleistungen und die Wirtschaftlichkeit der Leistungserbringungsprozesse lassen dem Produktionsmanagement eine immer wichtigere Rolle zukommen. Das Buch gibt einen praxisorientierten und systematischen Uberblick uber die funf zentralen Aufgabenbereiche des Produktionsmanagements eines IT-Dienstleisters: das Management des Leistungsprogramms, der Anwendungsentwicklung, des Produktionspotentials, der Produktionsprozesse und der Anwenderunterstutzung. Eine Grundlage des Buches bildet die Ubertragung erfolgreicher Managementkonzepte aus der industriellen Produktion auf das Informationsmanagement. Der Leser erhalt einen praxisorientierten Uberblick und Vorschlage fur eine erfolgreiche Gestaltung des Produktionsmanagements."

Dieses Buch gibt einen umfassenden rechtlichen Uberblick uber den Vertrieb von Waren und Dienstleistungen im Internet. Behandelt werden zentrale Bereiche des elektronischen Geschaftsverkehrs. Dazu zahlen beispielsweise das Vertragsrecht, Prozessrecht sowie das Fernabsatzrecht im Internet. Eine Reihe potentieller Rechtsprobleme werden dargestellt, die es zu wissen gilt, wenn man selbst Waren- und Dienstleistungsvertrage uber das Internet abschliesst oder sich anderweitig mit diesem Bereich beschaftigt. Dieses Buch dient als zuverlassiger und verstandlicher Rechtsberater, um sich in dem sehr komplexen Bereich des Vertriebs- und Fernabsatzrechts im Internet orientieren zu konnen. Es richtet sich sowohl an Praktiker aus Wirtschaft, Justiz und Anwaltschaft, als auch an Verbraucherschutzverbande und Wissenschaftler."

"Dieses Buch ist ...] eine hervorragende Einfuhrung in Kombinatorik und Graphentheorie fur Studienanfanger ... das Buch ist wegen des ungewohnlichen und sehr attraktiven Stiles der Darstellung bemerkenswert. ...] Die Sprachform ist vorwiegend die eines Gespraches mit dem Leser, ... Zum Beispiel werden bei einem Beweis zuerst die Grundidee oder die Zielsetzung genannt und erlautert, und auch im weiteren Verlauf wird immer wieder durch alternative Formulierungen das Verstandnis vertieft ... Die Lekture ist also anregend und sehr motivierend ..." (W. Dorfler (Klagenfurt), in: Internationale Mathematische Nachrichten, 2003, Vol 57, Issue 192, S. 46-47) "

Understand advanced data analytics concepts such as time series and principal component analysis with ETL, supervised learning, and PySpark using Python. This book covers architectural patterns in data analytics, text and image classification, optimization techniques, natural language processing, and computer vision in the cloud environment. Generic design patterns in Python programming is clearly explained, emphasizing architectural practices such as hot potato anti-patterns. You'll review recent advances in databases such as Neo4j, Elasticsearch, and MongoDB. You'll then study feature engineering in images and texts with implementing business logic and see how to build machine learning and deep learning models using transfer learning. Advanced Analytics with Python, 2nd edition features a chapter on clustering with a neural network, regularization techniques, and algorithmic design patterns in data analytics with reinforcement learning. Finally, the recommender system in PySpark explains how to optimize models for a specific application. What You'll Learn Build intelligent systems for enterprise Review time series analysis, classifications, regression, and clustering Explore supervised learning, unsupervised learning, reinforcement learning, and transfer learning Use cloud platforms like GCP and AWS in data analytics Understand Covers design patterns in Python Who This Book Is For Data scientists and software developers interested in the field of data analytics.

Das Internet ist inzwischen ein fester Bestandteil des Alltags. Die Autoren erl utern die technologischen Grundlagen, auf denen es beruht. Ausgehend von den physikalischen Grundlagen der Daten bertragung erfahren Leser, nach welchen Prnzipien und auf Grundlage welcher Technologien lokale Netzwerke (LANs) und Weitverkehrsnetzwerke (WANs) funktionieren. Das Kompendium zur Internet-Technologie vermittelt allgemein verst ndlich das dem Internet zugrunde liegende TCP/IP-Referenzmodell sowie dessen Protokolle und zahlreichen Anwendungen.

Kundennahe und Kundenorientierung gelten als Schlusselfaktoren zum Geschaftserfolg. Dies impliziert eine konsequente Ausrichtung von unternehmensinternen und -ubergreifenden Geschaftsprozessen auf den "Koenig Kunde". Mit diesem Themenkreis setzt sich der Schwerpunkt Geschaftsprozessmanagement auseinander. Im Abschnitt Kosten- und Deckungsbeitragsmanagement muss sich das Controlling einer kritischen Betrachtung des kundenorientierten Arbeitens unterziehen. Neuere Entwicklungen wie Data Warehousing und die Nutzung des Internet als Moeglichkeit zur Annaherung an den Kunden werden u.a. im Abschnitt Informationsmanagement diskutiert. Loesungsansatze fur den Einsatz betriebswirtschaftlicher Methoden und moderner Kommunikationstechnologie in der oeffentlichen Verwaltung bietet der Abschnitt Verwaltungsmanagement.

In spatial data science, things in closer proximity to one another likely have more in common than things that are farther apart. With this practical book, geospatial professionals, data scientists, business analysts, geographers, geologists, and others familiar with data analysis and visualization will learn the fundamentals of spatial data analysis to gain a deeper understanding of their data questions. Author Bonny P. McClain demonstrates why detecting and quantifying patterns in geospatial data is vital. Both proprietary and open source platforms allow you to process and visualize spatial information. This book is for people familiar with data analysis or visualization who are eager to explore geospatial integration with Python. This book helps you: Understand the importance of applying spatial relationships in data science Select and apply data layering of both raster and vector graphics Apply location data to leverage spatial analytics Design informative and accurate maps Automate geographic data with Python scripts Explore Python packages for additional functionality Work with atypical data types such as polygons, shape files, and projections Understand the graphical syntax of spatial data science to stimulate curiosity

Sir Walter Raleigh wollte wissen, wie Kanonenkugeln in einem Schiff am dichtesten gestapelt werden koennen. Der Astronom Johannes Kepler lieferte im Jahr 1611 die Antwort: genau so, wie Gemusehandler ihre Orangen und Tomaten aufstapeln. Noch war dies lediglich eine Vermutung - erst 1998 gelang dem amerikanischen Mathematiker Thomas Hales mit Hilfe von Computern der mathematische Beweis. Einer der besten Autoren fur popularwissenschaftliche Mathematik beschreibt auf faszinierende Art und Weise ein beruhmtes mathematisches Problem und dessen Loesung.

Real-Time Enterprise (RTE) ist eine Unternehmensstruktur, die durch kontinuierliche Beschleunigung der Managementprozesse die eigene Aktions- und Reaktionsgeschwindigkeit nachhaltig verbessert und verzogerungsfrei auf externe sowie interne Anderungen reagieren und damit Zeit und Kosten einsparen kann. Voraussetzungen und Rahmenbedingungen hierfur sind durchgangig integrierte Geschaftsprozesse und Informationsflusse entlang der kompletten Wertschopfungskette. Im Idealfall sind dabei alle Arbeitsprozesse in einem Unternehmen optimal aufeinander abgestimmt, so dass Data Warehouse, Supply Chain Management, Customer Relationship Management und Enterprise Resource Planning wirkungsvoll ineinander greifen. Dabei endet die Betrachtung von Prozessen und Informationen nicht an den Unternehmensgrenzen. Statt dessen sind Kunden und beteiligte Partnerfirmen beziehungsweise deren Prozesse transparent eingebunden und tauschen Informationen uber alle relevanten Ereignisse zeitnah aus. "

Pipelines can be challenging to manage, especially when your data has to flow through a collection of application components, servers, and cloud services. Airflow lets you schedule, restart, and backfill pipelines, and its easy-to-use UI and workflows with Python scripting has users praising its incredible flexibility. Data Pipelines with Apache Airflow takes you through best practices for creating pipelines for multiple tasks, including data lakes, cloud deployments, and data science. Data Pipelines with Apache Airflow teaches you the ins-and-outs of the Directed Acyclic Graphs (DAGs) that power Airflow, and how to write your own DAGs to meet the needs of your projects. With complete coverage of both foundational and lesser-known features, when you're done you'll be set to start using Airflow for seamless data pipeline development and management. Key Features Framework foundation and best practices Airflow's execution and dependency system Testing Airflow DAGs Running Airflow in production For data-savvy developers, DevOps and data engineers, and system administrators with intermediate Python skills. About the technology Data pipelines are used to extract, transform and load data to and from multiple sources, routing it wherever it's needed -- whether that's visualisation tools, business intelligence dashboards, or machine learning models. Airflow streamlines the whole process, giving you one tool for programmatically developing and monitoring batch data pipelines, and integrating all the pieces you use in your data stack. Bas Harenslak and Julian de Ruiter are data engineers with extensive experience using Airflow to develop pipelines for major companies including Heineken, Unilever, and Booking.com. Bas is a committer, and both Bas and Julian are active contributors to Apache Airflow.

Das Buch soll Mainframe-Anwendern helfen, die Philosophie von Datenbanken zu verstehen und selbst Datenbankrecherchen zu formulieren. Hierfur stellt IBMs Query Management Facility, kurz QMF, eine sehr geschickt komponierte Sammlung von Werkzeugen zur Verfugung. Das Buch richtet sich an Endanwender und zeigt, wie man mit Hilfe von QMF fachliche Probleme loesen kann, auch ohne die Entwicklungsabteilung zu bemuhen. Die beigefugte CD-ROM enthalt die Tabellen, die allen Beispielen zugrunde liegen, als ASCII-Dateien und ermoeglicht die praktische Durchfuhrung der Fallbeispiele mit dem Computer.

To date, statistics has tended to be neatly divided into two theoretical approaches or frameworks: frequentist (or classical) and Bayesian. Scientists typically choose the statistical framework to analyse their data depending on the nature and complexity of the problem, and based on their personal views and prior training on probability and uncertainty. Although textbooks and courses should reflect and anticipate this dual reality, they rarely do so. This accessible textbook explains, discusses, and applies both the frequentist and Bayesian theoretical frameworks to fit the different types of statistical models that allow an analysis of the types of data most commonly gathered by life scientists. It presents the material in an informal, approachable, and progressive manner suitable for readers with only a basic knowledge of calculus and statistics. Statistical Modeling with R is aimed at senior undergraduate and graduate students, professional researchers, and practitioners throughout the life sciences, seeking to strengthen their understanding of quantitative methods and to apply them successfully to real world scenarios, whether in the fields of ecology, evolution, environmental studies, or computational biology.

Die automatische Auswertung von Signalen spielt in der modernen Informationstechnik eine grosse Rolle. Dieses Lehrbuch bietet, ausgehend von der Reprasentation des Signals im Merkmalraum, die Beschreibung wichtiger Klassifikationsverfahren. Dazu zahlen Linear- und Bayes Klassifikatoren, Supportvektormaschinen, Klassifikatoren auf der Basis von Gaussian-Mixture-Modellen und Hidden-Markov-Modellen sowie Klassenfolgenklassifikatoren.Weiterhin werden wichtige Grundlagen der Automatentheorie (Finite State Machines) sowie ausgewahlte maschinelle Lernverfahren dargestellt.Die Darstellung setzt die Verfahren zur Merkmalgewinnung voraus, die im ersten Band vermittelt wurden, so dass das Gesamtwerk eine umfassende Beschreibung der Kette darstellt, die in modernen Systemen der Informationsverarbeitung von der Signalerfassung bis hin zum Klassifikationsergebnis fuhrt.

This book provides a first-hand account of business analytics and its implementation, and an account of the brief theoretical framework underpinning each component of business analytics. The themes of the book include (1) learning the contours and boundaries of business analytics which are in scope; (2) understanding the organization design aspects of an analytical organization; (3) providing knowledge on the domain focus of developing business activities for financial impact in functional analysis; and (4) deriving a whole gamut of business use cases in a variety of situations to apply the techniques. The book gives a complete, insightful understanding of developing and implementing analytical solution.

Building a simple but powerful recommendation system is much easier than you think. Approachable for all levels of expertise, this report explains innovations that make machine learning practical for business production settings--and demonstrates how even a small-scale development team can design an effective large-scale recommendation system. Apache Mahout committers Ted Dunning and Ellen Friedman walk you through a design that relies on careful simplification. You'll learn how to collect the right data, analyze it with an algorithm from the Mahout library, and then easily deploy the recommender using search technology, such as Apache Solr or Elasticsearch. Powerful and effective, this efficient combination does learning offline and delivers rapid response recommendations in real time. Understand the tradeoffs between simple and complex recommenders Collect user data that tracks user actions--rather than their ratings Predict what a user wants based on behavior by others, using Mahoutfor co-occurrence analysis Use search technology to offer recommendations in real time, complete with item metadata Watch the recommender in action with a music service example Improve your recommender with dithering, multimodal recommendation, and other techniques

Making use of data is not anymore a niche project but central to almost every project. With access to massive compute resources and vast amounts of data, it seems at least in principle possible to solve any problem. However, successful data science projects result from the intelligent application of: human intuition in combination with computational power; sound background knowledge with computer-aided modelling; and critical reflection of the obtained insights and results. Substantially updating the previous edition, then entitled Guide to Intelligent Data Analysis, this core textbook continues to provide a hands-on instructional approach to many data science techniques, and explains how these are used to solve real world problems. The work balances the practical aspects of applying and using data science techniques with the theoretical and algorithmic underpinnings from mathematics and statistics. Major updates on techniques and subject coverage (including deep learning) are included. Topics and features: guides the reader through the process of data science, following the interdependent steps of project understanding, data understanding, data blending and transformation, modeling, as well as deployment and monitoring; includes numerous examples using the open source KNIME Analytics Platform, together with an introductory appendix; provides a review of the basics of classical statistics that support and justify many data analysis methods, and a glossary of statistical terms; integrates illustrations and case-study-style examples to support pedagogical exposition; supplies further tools and information at an associated website. This practical and systematic textbook/reference is a "need-to-have" tool for graduate and advanced undergraduate students and essential reading for all professionals who face data science problems. Moreover, it is a "need to use, need to keep" resource following one's exploration of the subject.

Sprachtechnologie in der Anwendung" wurde von Praktikern fur Praktiker geschrieben. Das Buch fuhrt ein in die Technologien zur Sprachverarbeitung und informiert uber den Stand der Technik von Sprachdialogsystemen. Es unterstutzt die Entscheidungsfindung und Vorbereitung bei der Einfuhrung eines Sprachportals, hilft bei der Auswahl der richtigen Systeme und der Vermeidung von Stolpersteinen.

Durch seine klare Sprache, die zahlreichen Praxisbeispiele und das ausfuhrliche Glossar schlagt das Buch eine Brucke zwischen Entscheidern und Technologen im Unternehmen. Es wendet sich sowohl an Manager, die uber die Einfuhrung von Sprachportalen entscheiden, als auch IT-Fachleute, die diese umsetzen. Betreiber von Sprachportalen unterstutzt es bei der Bewertung bestehender Anwendungen und gibt Hinweise zu deren Optimierung."

Das Buch beschreibt die Potenziale zwischenbetrieblicher Kooperationen in Logistiknetzwerken sowie den unternehmensubergreifenden Einsatz von mySAP.com-Losungen. Im Mittelpunkt stehen Anwendungen aus den Bereichen XML/EDI, Data Warehouse, Supply-Chain-Management und Elektronische Marktplatze. Anhand von funf Fallstudien aus der Automobilindustrie wird der Praxiseinsatz von mySAP.com-Losungen demonstriert. Bei den Anwendern handelt es sich um die Unternehmen Bosch GmbH, Goodyear Tire & Rubber Company, Schenker AG, Porsche AG sowie den Elektronischen Marktplatz SupplyOn.
Die vorliegende zweite Auflage wurde vollig uberarbeitet, um den aktuellen Herausforderungen an den Aufbau von Kooperationen sowohl aus Management- als auch aus Softwareperspektive Rechnung zu tragen. Dazu wurde zum einen das Autorenteam erweitert und zum anderen der Fallstudienteil der ersten Auflage ausgebaut."

If you're like most R users, you have deep knowledge and love for statistics. But as your organization continues to collect huge amounts of data, adding tools such as Apache Spark makes a lot of sense. With this practical book, data scientists and professionals working with large-scale data applications will learn how to use Spark from R to tackle big data and big compute problems. Authors Javier Luraschi, Kevin Kuo, and Edgar Ruiz show you how to use R with Spark to solve different data analysis problems. This book covers relevant data science topics, cluster computing, and issues that should interest even the most advanced users. Analyze, explore, transform, and visualize data in Apache Spark with R Create statistical models to extract information and predict outcomes; automate the process in production-ready workflows Perform analysis and modeling across many machines using distributed computing techniques Use large-scale data from multiple sources and different formats with ease from within Spark Learn about alternative modeling frameworks for graph processing, geospatial analysis, and genomics at scale Dive into advanced topics including custom transformations, real-time data processing, and creating custom Spark extensions

By implementing a comprehensive data analytics program, utility companies can meet the continually evolving challenges of modern grids that are operationally efficient, while reconciling the demands of greenhouse gas legislation and establishing a meaningful return on investment from smart grid deployments.
Readable and accessible, Big Data Analytics Strategies for the Smart Grid addresses the needs of applying big data technologies and approaches, including Big Data cybersecurity, to the critical infrastructure that makes up the electrical utility grid. It supplies industry stakeholders with an in-depth understanding of the engineering, business, and customer domains within the power delivery market.
The book explores the unique needs of electrical utility grids, including operational technology, IT, storage, processing, and how to transform grid assets for the benefit of both the utility business and energy consumers. It not only provides specific examples that illustrate how analytics work and how they are best applied, but also describes how to avoid potential problems and pitfalls.
Discussing security and data privacy, it explores the role of the utility in protecting their customers right to privacy while still engaging in forward-looking business practices. The book includes discussions of:

• SAS for asset management tools
• The AutoGrid approach to commercial analytics
• Space-Time Insight s work at the California ISO (CAISO)

This book is an ideal resource for mid- to upper-level utility executives who need to understand the business value of smart grid data analytics. It explains critical concepts in a manner that will better position executives to make the right decisions about building their analytics programs.
At the same time, the book provides sufficient technical depth that it is useful for data analytics professionals who need to better understand the nuances of the engineering and business challenges unique to the utilities industry.
"