Domain pgai.de kaufen?

Produkt zum Begriff PGAI:


  • Predictive Analytics: Data Mining, Machine Learning and Data Science for Practitioners
    Predictive Analytics: Data Mining, Machine Learning and Data Science for Practitioners

    Use Predictive Analytics to Uncover Hidden Patterns and Correlations and Improve Decision-MakingUsing predictive analytics techniques, decision-makers can uncover hidden patterns and correlations in their data and leverage these insights to improve many key business decisions. In this thoroughly updated guide, Dr. Dursun Delen illuminates state-of-the-art best practices for predictive analytics for both business professionals and students. Delen's holistic approach covers key data mining processes and methods, relevant data management techniques, tools and metrics, advanced text and web mining, big data integration, and much more. Balancing theory and practice, Delen presents intuitive conceptual illustrations, realistic example problems, and real-world case studiesincluding lessons from failed projects. It's all designed to help you gain a practical understanding you can apply for profit.* Leverage knowledge extracted via data mining to make smarter decisions* Use standardized processes and workflows to make more trustworthy predictions* Predict discrete outcomes (via classification), numeric values (via regression), and changes over time (via time-series forecasting)* Understand predictive algorithms drawn from traditional statistics and advanced machine learning* Discover cutting-edge techniques, and explore advanced applications ranging from sentiment analysis to fraud detection

    Preis: 37.44 € | Versand*: 0 €
  • Virtuelle Berührung - zersplitternde Realität
    Virtuelle Berührung - zersplitternde Realität

    Virtuelle Berührung - zersplitternde Realität , Die virtuellen Welten, in denen wir uns seit der Pandemie verstärkt bewegen, berühren uns auf unterschiedlichste Weise. Sie sind Teil einer medialen Revolution mit tiefgreifenden Folgen für das Subjekt und erfordern einen kritischen Blick im Spannungsfeld von psychotherapeutischer Klinik, Kulturtheorie und reflexiver Sozialpsychologie. Die Autor*innen des Bandes vertiefen aus einer psychoanalytischen Perspektive unser Verständnis der Digitalisierung in all ihren Facetten und Auswirkungen: Sie fragen, wie sich unser sinnliches Erleben verändert, wie sich virtuelle Berührungen ohne Körper verstehen lassen, welche unbewussten Fantasien wir im virtuellen Raum haben oder ob die mediale Revolution die Versprechen nach mehr gesellschaftlicher Teilhabe diverser Akteur*innen einlösen kann oder die gesellschaftlichen Spaltungen verstärkt. Mit Beiträgen von Clara-Sophie Adamidis, Gudrun Brockhaus, Giuseppe Civitarese, Julia Katharina Degenhardt, Lutz Garrels, Andreas Hamburger, Bernd Heimerl, Andreas P. Herrmann, Alessandra Lemma, Elfriede Löchel, Franz Oberlehner, Carolin Schnackenberg, Sebastian Thrul und Nils F. Töpfer , Bücher > Bücher & Zeitschriften , Erscheinungsjahr: 202305, Produktform: Kartoniert, Titel der Reihe: Bibliothek der Psychoanalyse##, Redaktion: Grabska, Klaus~Mauss-Hanke, Angela~Palußek, Utz~Stakelbeck, Falk, Seitenzahl/Blattzahl: 263, Keyword: er Klinik; Spaltung; Geschlecht; Internet; Gesellschaftsanalyse; Digitalisierung; Begegnung; Virtualität; öffentlicher Raum; Psychoanalyse, Fachschema: Analyse / Psychoanalyse~Psychoanalyse - Psychoanalytiker~Psychotherapie / Psychoanalyse, Warengruppe: TB/Psychoanalyse, Fachkategorie: Psychoanalyse (Freud), Thema: Verstehen, Text Sprache: ger, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Psychosozial Verlag GbR, Verlag: Psychosozial Verlag GbR, Verlag: Psychosozial-Verlag GmbH & Co. KG, Länge: 204, Breite: 146, Höhe: 20, Gewicht: 386, Produktform: Kartoniert, Genre: Geisteswissenschaften/Kunst/Musik, Genre: Geisteswissenschaften/Kunst/Musik, eBook EAN: 9783837979657 9783837979664, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0004, Tendenz: 0, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Lagerartikel, Unterkatalog: Taschenbuch,

    Preis: 39.90 € | Versand*: 0 €
  • Web and Network Data Science: Modeling Techniques in Predictive Analytics
    Web and Network Data Science: Modeling Techniques in Predictive Analytics

    Master modern web and network data modeling: both theory and applications. In Web and Network Data Science, a top faculty member of Northwestern University’s prestigious analytics program presents the first fully-integrated treatment of both the business and academic elements of web and network modeling for predictive analytics.   Some books in this field focus either entirely on business issues (e.g., Google Analytics and SEO); others are strictly academic (covering topics such as sociology, complexity theory, ecology, applied physics, and economics). This text gives today's managers and students what they really need: integrated coverage of concepts, principles, and theory in the context of real-world applications.   Building on his pioneering Web Analytics course at Northwestern University, Thomas W. Miller covers usability testing, Web site performance, usage analysis, social media platforms, search engine optimization (SEO), and many other topics. He balances this practical coverage with accessible and up-to-date introductions to both social network analysis and network science, demonstrating how these disciplines can be used to solve real business problems.

    Preis: 36.37 € | Versand*: 0 €
  • Künstliche Intelligenz
    Künstliche Intelligenz

    Die dritte Auflage dieses Informatik-Klassikers wurde von Grund auf komplett überarbeitet und an die neuesten Entwicklungen der KI angepasst. Die Autoren verstehen es dabei, die KI in ihrem ganzen Themenspektrum für die Studierenden verständlich und nachvollziehbar dazustellen. Sie behandeln alle relevanten Aspekte der KI von der Logik und der Wahrscheinlichkeitstheorie über den Bereich des Wahrnehmens, Denkens, Lernens und Handelns bis zu mikroelektronischen Geräten und Robotern. Erweitert um moderne Such- und Sprachalgorithmen sowie Lernen mit neuronalen Netzen setzt diese Werk einen neuen Standard, den kein anderes Werk derzeit zu leisten vermag.

    Preis: 55.99 € | Versand*: 0 €
  • Welche verschiedenen Anwendungsgebiete gibt es für künstliche Intelligenz und maschinelles Lernen?

    Künstliche Intelligenz und maschinelles Lernen werden in verschiedenen Bereichen eingesetzt, darunter Medizin, Finanzen, Automobilindustrie und Marketing. In der Medizin können sie bei der Diagnose von Krankheiten und der Entwicklung neuer Behandlungsmethoden helfen. Im Finanzwesen werden sie zur Risikobewertung, Betrugserkennung und automatisierten Handelsentscheidungen eingesetzt. In der Automobilindustrie unterstützen sie bei der Entwicklung autonomer Fahrzeuge und verbessern die Sicherheitssysteme. Im Marketing werden sie zur personalisierten Kundenansprache und zur Analyse von Markttrends eingesetzt.

  • Welche verschiedenen Anwendungsbereiche gibt es für künstliche Intelligenz und maschinelles Lernen?

    Künstliche Intelligenz und maschinelles Lernen werden in verschiedenen Bereichen eingesetzt, darunter Medizin, Finanzen, Automobilindustrie und Marketing. In der Medizin können sie bei der Diagnose von Krankheiten und der Entwicklung neuer Behandlungsmethoden helfen. Im Finanzwesen können sie bei der Betrugsprävention und der Analyse von Markttrends eingesetzt werden. In der Automobilindustrie werden sie für autonomes Fahren und die Optimierung von Produktionsprozessen genutzt, während sie im Marketing zur personalisierten Kundenansprache und zur Analyse von Verbraucherdaten eingesetzt werden.

  • Ist Machine Learning bereits künstliche Intelligenz?

    Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es befasst sich mit der Entwicklung von Algorithmen und Modellen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen zu treffen. Künstliche Intelligenz umfasst jedoch auch andere Bereiche wie Expertensysteme, natürliche Sprachverarbeitung und Robotik.

  • Wie funktioniert die Automatisierung von Objekterkennung durch künstliche Intelligenz und maschinelles Lernen? Was sind die Anwendungsgebiete und Herausforderungen in diesem Bereich?

    Die Automatisierung von Objekterkennung durch künstliche Intelligenz und maschinelles Lernen erfolgt durch das Training von Algorithmen mit großen Datensätzen, um Muster und Merkmale von Objekten zu erkennen. Anwendungsgebiete sind unter anderem autonomes Fahren, medizinische Bildgebung und Qualitätskontrolle in der Produktion. Herausforderungen liegen in der Datenvielfalt, der Robustheit gegenüber Veränderungen und der ethischen Verantwortung bei der Nutzung von KI-Systemen.

Ähnliche Suchbegriffe für PGAI:


  • Chabert, Antoine: SAP Analytics Cloud: Predictive Analytics
    Chabert, Antoine: SAP Analytics Cloud: Predictive Analytics

    SAP Analytics Cloud: Predictive Analytics , Today's organizations must be prepared for tomorrow's events. Forecast future behavior in SAP Analytics Cloud with this comprehensive guide to predictive analytics! Start by learning about the data types, scenarios, and methods used in predictive analytics projects. Then follow step-by-step instructions to build, analyze, and apply predictive models to your business data using classification, time series forecasting, and regression analysis. Automate your models and dive into the data science with this all-in-one guide! In this book, you'll learn about: a. Predictive Scenarios and Projects Understand the basics of predictive analytics in SAP Analytics Cloud: scenarios, data types, and actions. Then plan your predictive project, including identifying the key stakeholders and reviewing the methodology. b. Build, Train, Analyze, and Apply Master predictive models from end to end. Create classification, time series, and regression models; then train them to identify business patterns. Analyze and apply the results of your models to data in SAP Analytics Cloud. c. Practical Demonstrations See predictive analytics in action! Identify use cases for predictive modeling. For each data model, understand practical applications through curated examples with sample business data. Highlights include: 1) Predictive scenarios 2) Predictive forecasts 3) Data modeling 4) Planning 5) Time series model 6) Classification model 7) Regression model 8) Multi-actions 9) Data science 10) Stories and dashboards , Schule & Ausbildung > Fachbücher, Lernen & Nachschlagen

    Preis: 81.99 € | Versand*: 0 €
  • Maschinelles Lernen (Frochte, Jörg)
    Maschinelles Lernen (Frochte, Jörg)

    Maschinelles Lernen , Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt: - Algorithmen des maschinellen Lernens verwenden und verstehen, wie und warum sie funktionieren. - Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens. - Verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens, u.a. Random Forest, DBSCAN und Q-Learning. Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt. Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen. Die dritte Auflage wurde für die Keras/Tensorflow-Version 2 sowie Python 3.7 überarbeitet, mehrere Kapitel insbesondere zum bestärkten Lernen wurde aktualisiert und folgende Themen wurden unter anderem neu aufgenommen: - Deep Q-Learning - Class Activation Maps und Grad-CAM - Pandas-Integration und -Einführung - OpenAI Gym integriert Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt. , Bücher > Bücher & Zeitschriften , Auflage: 3., überarbeitete und erweiterte Auflage, Erscheinungsjahr: 20201120, Produktform: Kassette, Inhalt/Anzahl: 1, Inhalt/Anzahl: 1, Autoren: Frochte, Jörg, Auflage: 21003, Auflage/Ausgabe: 3., überarbeitete und erweiterte Auflage, Seitenzahl/Blattzahl: 616, Keyword: artificial intelligence basics; artificial intelligence machine learning; künstliche intelligenz ai; künstliche intelligenz programmieren; künstliche intelligenz verstehen; machine learning book; machine learning python; maschinelles lernen anfänger; maschinelles lernen grundlagen; maschinelles lernen python; selbstlernende ki; selbstlernende systeme, Fachschema: Wahrscheinlichkeitsrechnung~Intelligenz / Künstliche Intelligenz~KI~Künstliche Intelligenz - AI, Bildungszweck: für die Hochschule, Fachkategorie: Maschinelles Lernen, Thema: Verstehen, Text Sprache: ger, Sender’s product category: BUNDLE, Verlag: Hanser Fachbuchverlag, Verlag: Hanser Fachbuchverlag, Verlag: Hanser, Carl, Verlag GmbH & Co. KG, Länge: 241, Breite: 177, Höhe: 40, Gewicht: 1167, Produktform: Gebunden, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Beinhaltet: B0000059240001 B0000059240002, Beinhaltet EAN: 9783446913387 9783446913394, Vorgänger EAN: 9783446459960 9783446452916, eBook EAN: 9783446463554, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Kennzeichnung von Titeln mit einer Relevanz > 30, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0050, Tendenz: +1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel, WolkenId: 1788644

    Preis: 39.99 € | Versand*: 0 €
  • Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python
    Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python

    Now, a leader of Northwestern University's prestigious analytics program presents a fully-integrated treatment of both the business and academic elements of marketing applications in predictive analytics. Writing for both managers and students, Thomas W. Miller explains essential concepts, principles, and theory in the context of real-world applications.   Building on Miller's pioneering program, Marketing Data Science thoroughly addresses segmentation, target marketing, brand and product positioning, new product development, choice modeling, recommender systems, pricing research, retail site selection, demand estimation, sales forecasting, customer retention, and lifetime value analysis.   Starting where Miller's widely-praised Modeling Techniques in Predictive Analytics left off, he integrates crucial information and insights that were previously segregated in texts on web analytics, network science, information technology, and programming. Coverage includes: The role of analytics in delivering effective messages on the web Understanding the web by understanding its hidden structures Being recognized on the web – and watching your own competitors Visualizing networks and understanding communities within them Measuring sentiment and making recommendations Leveraging key data science methods: databases/data preparation, classical/Bayesian statistics, regression/classification, machine learning, and text analytics Six complete case studies address exceptionally relevant issues such as: separating legitimate email from spam; identifying legally-relevant information for lawsuit discovery; gleaning insights from anonymous web surfing data, and more. This text's extensive set of web and network problems draw on rich public-domain data sources; many are accompanied by solutions in Python and/or R. Marketing Data Science will be an invaluable resource for all students, faculty, and professional marketers who want to use business analytics to improve marketing performance.

    Preis: 36.37 € | Versand*: 0 €
  • Predictive Analytics: Data Mining, Machine Learning and Data Science for Practitioners, 2nd Edition
    Predictive Analytics: Data Mining, Machine Learning and Data Science for Practitioners, 2nd Edition

    Use Predictive Analytics to Uncover Hidden Patterns and Correlations and Improve Decision-MakingUsing predictive analytics techniques, decision-makers can uncover hidden patterns and correlations in their data and leverage these insights to improve many key business decisions. In this thoroughly updated guide, Dr. Dursun Delen illuminates state-of-the-art best practices for predictive analytics for both business professionals and students. Delen's holistic approach covers key data mining processes and methods, relevant data management techniques, tools and metrics, advanced text and web mining, big data integration, and much more. Balancing theory and practice, Delen presents intuitive conceptual illustrations, realistic example problems, and real-world case studiesincluding lessons from failed projects. It's all designed to help you gain a practical understanding you can apply for profit.* Leverage knowledge extracted via data mining to make smarter decisions* Use standardized processes and workflows to make more trustworthy predictions* Predict discrete outcomes (via classification), numeric values (via regression), and changes over time (via time-series forecasting)* Understand predictive algorithms drawn from traditional statistics and advanced machine learning* Discover cutting-edge techniques, and explore advanced applications ranging from sentiment analysis to fraud detection

    Preis: 55.63 € | Versand*: 0 €
  • Wie können verschiedene Technologien zur Wegfindung, wie GPS, künstliche Intelligenz und maschinelles Lernen, in der Robotik, der Automobilindustrie und der Logistik eingesetzt werden?

    GPS-Technologie kann in der Robotik eingesetzt werden, um autonome Roboter bei der Navigation in Innen- und Außenbereichen zu unterstützen. Künstliche Intelligenz und maschinelles Lernen können in der Automobilindustrie verwendet werden, um selbstfahrende Fahrzeuge zu entwickeln, die Verkehrsbedingungen analysieren und sich anpassen können. In der Logistik können diese Technologien zur Optimierung von Lieferketten eingesetzt werden, indem sie die effizientesten Routen für den Transport von Waren berechnen und Lagerbestände verwalten. Durch die Kombination dieser Technologien können Unternehmen in diesen Branchen ihre Effizienz steigern und Kosten senken.

  • Wie wirken sich künstliche Intelligenz und maschinelles Lernen auf die zukünftige Entwicklung der Informatik aus?

    Künstliche Intelligenz und maschinelles Lernen werden die Informatik weiter vorantreiben, indem sie neue Möglichkeiten für Automatisierung und Optimierung von Prozessen bieten. Sie werden auch dazu beitragen, komplexe Probleme schneller und effizienter zu lösen. Die Integration dieser Technologien wird die Informatiklandschaft verändern und neue Anwendungsgebiete erschließen.

  • Wie können künstliche Intelligenz und Maschinelles Lernen zur Verbesserung der Gefahrenerkennung in Fahrzeugen eingesetzt werden?

    Künstliche Intelligenz und Maschinelles Lernen können genutzt werden, um Algorithmen zu entwickeln, die Verhaltensmuster von Fahrern erkennen und auf ungewöhnliches Verhalten hinweisen. Durch die Analyse von Sensordaten können potenzielle Gefahrensituationen frühzeitig erkannt und entsprechende Warnungen ausgegeben werden. Zudem können diese Technologien dazu beitragen, autonomes Fahren sicherer zu machen, indem sie Fahrzeuge in Echtzeit steuern und auf unvorhergesehene Ereignisse reagieren.

  • Wie kann Python als Programmiersprache in verschiedenen Bereichen wie Webentwicklung, Datenanalyse, künstliche Intelligenz und Automatisierung eingesetzt werden?

    Python kann in der Webentwicklung eingesetzt werden, indem es Frameworks wie Django oder Flask verwendet, um dynamische und leistungsstarke Webanwendungen zu erstellen. In der Datenanalyse kann Python Bibliotheken wie Pandas, NumPy und Matplotlib nutzen, um große Datenmengen zu verarbeiten, zu analysieren und zu visualisieren. Für künstliche Intelligenz kann Python Bibliotheken wie TensorFlow und Keras verwenden, um komplexe neuronale Netzwerke zu erstellen und zu trainieren. In der Automatisierung kann Python Skripte schreiben, um repetitive Aufgaben zu automatisieren, wie z.B. das Verschieben von Dateien, das Senden von E-Mails oder das Durchführen von Systemwartungen.

* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann.