Search (8 results, page 1 of 1)

Lusti, M.: Data Warehousing and Data Mining : Eine Einführung in entscheidungsunterstützende Systeme (1999) 0.10

0.09796413 = product of:
  0.14694619 = sum of:
    0.11929594 = weight(_text_:data in 4261) [ClassicSimilarity], result of:
      0.11929594 = score(doc=4261,freq=14.0), product of:
        0.16132914 = queryWeight, product of:
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.051020417 = queryNorm
        0.7394569 = fieldWeight in 4261, product of:
          3.7416575 = tf(freq=14.0), with freq of:
            14.0 = termFreq=14.0
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.0625 = fieldNorm(doc=4261)
    0.027650248 = product of:
      0.055300497 = sum of:
        0.055300497 = weight(_text_:22 in 4261) [ClassicSimilarity], result of:
          0.055300497 = score(doc=4261,freq=2.0), product of:
            0.1786648 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.051020417 = queryNorm
            0.30952093 = fieldWeight in 4261, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0625 = fieldNorm(doc=4261)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)

Date: 17. 7.2002 19:22:06
RSWK: Data-warehouse-Konzept / Lehrbuch
Data mining / Lehrbuch
Subject: Data-warehouse-Konzept / Lehrbuch
Data mining / Lehrbuch
Theme: Data Mining

Jäger, L.: Von Big Data zu Big Brother (2018) 0.04

0.03524926 = product of:
  0.052873887 = sum of:
    0.03904876 = weight(_text_:data in 5234) [ClassicSimilarity], result of:
      0.03904876 = score(doc=5234,freq=6.0), product of:
        0.16132914 = queryWeight, product of:
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.051020417 = queryNorm
        0.24204408 = fieldWeight in 5234, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.03125 = fieldNorm(doc=5234)
    0.013825124 = product of:
      0.027650248 = sum of:
        0.027650248 = weight(_text_:22 in 5234) [ClassicSimilarity], result of:
          0.027650248 = score(doc=5234,freq=2.0), product of:
            0.1786648 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.051020417 = queryNorm
            0.15476047 = fieldWeight in 5234, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03125 = fieldNorm(doc=5234)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)

Date: 22. 1.2018 11:33:49
Source: https://www.heise.de/tp/features/Von-Big-Data-zu-Big-Brother-3946125.html?view=print
Theme: Data Mining

Nohr, H.: Big Data im Lichte der EU-Datenschutz-Grundverordnung (2017) 0.03

0.030059751 = product of:
  0.09017925 = sum of:
    0.09017925 = weight(_text_:data in 4076) [ClassicSimilarity], result of:
      0.09017925 = score(doc=4076,freq=8.0), product of:
        0.16132914 = queryWeight, product of:
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.051020417 = queryNorm
        0.5589768 = fieldWeight in 4076, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.0625 = fieldNorm(doc=4076)
  0.33333334 = coord(1/3)

Abstract: Der vorliegende Beitrag beschäftigt sich mit den Rahmenbedingungen für analytische Anwendungen wie Big Data, die durch das neue europäische Datenschutzrecht entstehen, insbesondere durch die EU-Datenschutz-Grundverordnung. Er stellt wesentliche Neuerungen vor und untersucht die spezifischen datenschutzrechtlichen Regelungen im Hinblick auf den Einsatz von Big Data sowie Voraussetzungen, die durch die Verordnung abverlangt werden.
Theme: Data Mining

Bauckhage, C.: Moderne Textanalyse : neues Wissen für intelligente Lösungen (2016) 0.03
```
0.026032507 = product of:
  0.07809752 = sum of:
    0.07809752 = weight(_text_:data in 2568) [ClassicSimilarity], result of:
      0.07809752 = score(doc=2568,freq=6.0), product of:
        0.16132914 = queryWeight, product of:
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.051020417 = queryNorm
        0.48408815 = fieldWeight in 2568, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.0625 = fieldNorm(doc=2568)
  0.33333334 = coord(1/3)
```
Abstract

Im Zuge der immer größeren Verfügbarkeit von Daten (Big Data) und rasanter Fortschritte im Daten-basierten maschinellen Lernen haben wir in den letzten Jahren Durchbrüche in der künstlichen Intelligenz erlebt. Dieser Vortrag beleuchtet diese Entwicklungen insbesondere im Hinblick auf die automatische Analyse von Textdaten. Anhand einfacher Beispiele illustrieren wir, wie moderne Textanalyse abläuft und zeigen wiederum anhand von Beispielen, welche praktischen Anwendungsmöglichkeiten sich heutzutage in Branchen wie dem Verlagswesen, der Finanzindustrie oder dem Consulting ergeben.

Source

https://login.mailingwork.de/public/a_5668_LVrTK/file/data/1125_Textanalyse_Christian-Bauckhage.pdf

Theme

Data Mining
Winterhalter, C.: Licence to mine : ein Überblick über Rahmenbedingungen von Text and Data Mining und den aktuellen Stand der Diskussion (2016) 0.03
```
0.026032507 = product of:
  0.07809752 = sum of:
    0.07809752 = weight(_text_:data in 673) [ClassicSimilarity], result of:
      0.07809752 = score(doc=673,freq=6.0), product of:
        0.16132914 = queryWeight, product of:
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.051020417 = queryNorm
        0.48408815 = fieldWeight in 673, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.0625 = fieldNorm(doc=673)
  0.33333334 = coord(1/3)
```
Abstract

Der Artikel gibt einen Überblick über die Möglichkeiten der Anwendung von Text and Data Mining (TDM) und ähnlichen Verfahren auf der Grundlage bestehender Regelungen in Lizenzverträgen zu kostenpflichtigen elektronischen Ressourcen, die Debatte über zusätzliche Lizenzen für TDM am Beispiel von Elseviers TDM Policy und den Stand der Diskussion über die Einführung von Schrankenregelungen im Urheberrecht für TDM zu nichtkommerziellen wissenschaftlichen Zwecken.

Theme

Data Mining
Datentracking in der Wissenschaft : Aggregation und Verwendung bzw. Verkauf von Nutzungsdaten durch Wissenschaftsverlage. Ein Informationspapier des Ausschusses für Wissenschaftliche Bibliotheken und Informationssysteme der Deutschen Forschungsgemeinschaft (2021) 0.02
```
0.01594159 = product of:
  0.04782477 = sum of:
    0.04782477 = weight(_text_:data in 248) [ClassicSimilarity], result of:
      0.04782477 = score(doc=248,freq=4.0), product of:
        0.16132914 = queryWeight, product of:
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.051020417 = queryNorm
        0.29644224 = fieldWeight in 248, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.046875 = fieldNorm(doc=248)
  0.33333334 = coord(1/3)
```
Abstract

Das Informationspapier beschreibt die digitale Nachverfolgung von wissenschaftlichen Aktivitäten. Wissenschaftlerinnen und Wissenschaftler nutzen täglich eine Vielzahl von digitalen Informationsressourcen wie zum Beispiel Literatur- und Volltextdatenbanken. Häufig fallen dabei Nutzungsspuren an, die Aufschluss geben über gesuchte und genutzte Inhalte, Verweildauern und andere Arten der wissenschaftlichen Aktivität. Diese Nutzungsspuren können von den Anbietenden der Informationsressourcen festgehalten, aggregiert und weiterverwendet oder verkauft werden. Das Informationspapier legt die Transformation von Wissenschaftsverlagen hin zu Data Analytics Businesses dar, verweist auf die Konsequenzen daraus für die Wissenschaft und deren Einrichtungen und benennt die zum Einsatz kommenden Typen der Datengewinnung. Damit dient es vor allem der Darstellung gegenwärtiger Praktiken und soll zu Diskussionen über deren Konsequenzen für die Wissenschaft anregen. Es richtet sich an alle Wissenschaftlerinnen und Wissenschaftler sowie alle Akteure in der Wissenschaftslandschaft.

Theme

Data Mining

Kipcic, O.; Cramer, C.: Wie Zeitungsinhalte Forschung und Entwicklung befördern (2017) 0.01

0.013151141 = product of:
  0.03945342 = sum of:
    0.03945342 = weight(_text_:data in 3885) [ClassicSimilarity], result of:
      0.03945342 = score(doc=3885,freq=2.0), product of:
        0.16132914 = queryWeight, product of:
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.051020417 = queryNorm
        0.24455236 = fieldWeight in 3885, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3885)
  0.33333334 = coord(1/3)

Theme: Data Mining

Loonus, Y.: Einsatzbereiche der KI und ihre Relevanz für Information Professionals (2017) 0.01

0.011272406 = product of:
  0.033817217 = sum of:
    0.033817217 = weight(_text_:data in 5668) [ClassicSimilarity], result of:
      0.033817217 = score(doc=5668,freq=2.0), product of:
        0.16132914 = queryWeight, product of:
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.051020417 = queryNorm
        0.2096163 = fieldWeight in 5668, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.1620505 = idf(docFreq=5088, maxDocs=44218)
          0.046875 = fieldNorm(doc=5668)
  0.33333334 = coord(1/3)

Theme: Data Mining

Search (8 results, page 1 of 1)

Authors

Years

Types

Themes

Subjects