Kann Alexa das nächste Gewitter vorhersagen und uns vor der nächsten globalen Krise retten? Wahrscheinlich nicht, aber Sie sollten sie auf jeden Fall fragen, ob Sie am Samstag Morgen eine Jacke zum Brunch benötigen.
Kategorie: Data Science
Was machen eigentlich unsere Data Scientists?
Was machen wir eigentlich? Anbei eine gute Übersicht.
Die beliebtesten Data Science Tools
Die Ergebnisse der Kaggle-Umfrage unter mehr als 16.000 Data Science Experten vermitteln ein klares Bild hinsichtlich der beliebtesten Data Science Tools. Python und R sind in diesem Jahr die beliebtesten Data Science Tools und ich denke, dieser Trend wird sich fortsetzen. Vor allem als Standard Analyse Tools haben Python und R einen klaren Stellenwert.
Multitenant – Oracle 12c
Das Juni Update erweitert Oracle 12c um sogenannte Multitenant, einzelne Databases werden zusammengefasst und steigern somit Performance und Usability.
Artificial Intelligence
Ein wunderbarer Überblick über das Thema „Künstliche Intelligenz KI“ (Artificial Intelligence) inklusive der gesellschaftlichen, wirtschaftlichen und ethischen Voraussetzungen, um KI zur neuen Erfolgswelle der Digitalisierung zu machen. Viele Beispiele runden dieses Thema ab.
The Role of R for Data Science
Autorin: Sarka Brodinova This blog post looks at R from a data science point of view. In order to fully understand the role of R for Data Science, let’s first start with an explanation of what Data Science is and what R is.
„Big Data Visualisierungen für multidimensionale Daten im Usability-Check“
Lisa Perkhofer und Hofer Peter Das Projekt USIVIS – User-Centered Interactive Visualization for Big Data – hat zum Ziel, Informationen (vor allem im Zusammenhang mit großen strukturierten und semi-strukturierten Datenmengen) über geeignete und interaktive Visualisierung für den Benutzer zugänglich zu machen.
Natural Language Processing für Topic Modeling in Python
In Verbesserte Workflows mit Natural Language Processing (NLP) beschrieben Sophie und Oliver, wie Firmen NLP für die Auswertung von Tätigkeitsberichten von Feldtechnikern nutzen können. Eine weitere Anwendung für NLP ist Topic Modeling. Zum Beispiel die Extraktion von Themen aus Nachrichtenartikeln*. Hier versucht ein Algorithmus, aus Nachrichtentiteln Themen zu extrahieren.
Requirements Engineering – Der Weg zu klaren Anforderungen
Unvollständige, inkonsistente oder unzureichend abgestimmte Anforderungen sind mitverantwortlich für das Scheitern vieler Projekte. Obwohl diese Erkenntnis nicht neu ist, wird dem Requirements Engineering in der Praxis oft zu wenig Aufmerksamkeit geschenkt. In diesem Beitrag gehe ich näher auf die Herausforderungen beim Requirements Engineering ein. Der Fokus liegt dabei auf der ersten Hauptaufgabe: der Anforderungsermittlung.
Was ist Modellbildung und Simulation?
Modellbildung und Simulation beschreibt neben Theorie und Experimenten eine Methodik, Probleme zu lösen. Der Begriff „Modell“ wird in vielen Anwendungsgebieten verwendet und bezeichnet dabei oft sehr unterschiedliche Angelegenheiten. Es gibt unter anderem Datenmodelle, Architekturmodelle oder statistische Modelle. In diesem Artikel ist bei einem Modell immer die Rede von einem Simulationsmodell.