-
Hofstede, A.H.M. ter; Proper, H.A.; Van der Weide, T.P.: Exploiting fact verbalisation in conceptual information modelling (1997)
0.01
0.007131133 = product of:
0.0213934 = sum of:
0.0213934 = product of:
0.0427868 = sum of:
0.0427868 = weight(_text_:22 in 2908) [ClassicSimilarity], result of:
0.0427868 = score(doc=2908,freq=2.0), product of:
0.1579835 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.04511456 = queryNorm
0.2708308 = fieldWeight in 2908, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0546875 = fieldNorm(doc=2908)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Source
- Information systems. 22(1997) nos.5/6, S.349-385
-
Keim, D.A.: Data Mining mit bloßem Auge (2002)
0.01
0.0070958864 = product of:
0.02128766 = sum of:
0.02128766 = product of:
0.04257532 = sum of:
0.04257532 = weight(_text_:von in 1086) [ClassicSimilarity], result of:
0.04257532 = score(doc=1086,freq=2.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.35372335 = fieldWeight in 1086, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.09375 = fieldNorm(doc=1086)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Visualisierungen, die möglichst instruktive grafische Darstellung von Daten, ist wesentlicher Bestandteil des Data Mining
-
Kruse, R.; Borgelt, C.: Suche im Datendschungel (2002)
0.01
0.0070958864 = product of:
0.02128766 = sum of:
0.02128766 = product of:
0.04257532 = sum of:
0.04257532 = weight(_text_:von in 1087) [ClassicSimilarity], result of:
0.04257532 = score(doc=1087,freq=2.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.35372335 = fieldWeight in 1087, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.09375 = fieldNorm(doc=1087)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Es geht darum, in großen Datenmengen etwas zu entdecken, von dessen Existenz man noch nichts weiß
-
Drees, B.: Text und data mining : Herausforderungen und Möglichkeiten für Bibliotheken (2016)
0.01
0.0070958864 = product of:
0.02128766 = sum of:
0.02128766 = product of:
0.04257532 = sum of:
0.04257532 = weight(_text_:von in 3952) [ClassicSimilarity], result of:
0.04257532 = score(doc=3952,freq=8.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.35372335 = fieldWeight in 3952, product of:
2.828427 = tf(freq=8.0), with freq of:
8.0 = termFreq=8.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.046875 = fieldNorm(doc=3952)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Text und Data Mining (TDM) gewinnt als wissenschaftliche Methode zunehmend an Bedeutung und stellt wissenschaftliche Bibliotheken damit vor neue Herausforderungen, bietet gleichzeitig aber auch neue Möglichkeiten. Der vorliegende Beitrag gibt einen Überblick über das Thema TDM aus bibliothekarischer Sicht. Hierzu wird der Begriff Text und Data Mining im Kontext verwandter Begriffe diskutiert sowie Ziele, Aufgaben und Methoden von TDM erläutert. Diese werden anhand beispielhafter TDM-Anwendungen in Wissenschaft und Forschung illustriert. Ferner werden technische und rechtliche Probleme und Hindernisse im TDM-Kontext dargelegt. Abschließend wird die Relevanz von TDM für Bibliotheken, sowohl in ihrer Rolle als Informationsvermittler und -anbieter als auch als Anwender von TDM-Methoden, aufgezeigt. Zudem wurde im Rahmen dieser Arbeit eine Befragung der Betreiber von Dokumentenservern an Bibliotheken in Deutschland zum aktuellen Umgang mit TDM durchgeführt, die zeigt, dass hier noch viel Ausbaupotential besteht. Die dem Artikel zugrunde liegenden Forschungsdaten sind unter dem DOI 10.11588/data/10090 publiziert.
-
Seidenfaden, U.: Schürfen in Datenbergen : Data-Mining soll möglichst viel Information zu Tage fördern (2001)
0.01
0.006864199 = product of:
0.020592596 = sum of:
0.020592596 = product of:
0.041185193 = sum of:
0.041185193 = weight(_text_:von in 6923) [ClassicSimilarity], result of:
0.041185193 = score(doc=6923,freq=22.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.34217393 = fieldWeight in 6923, product of:
4.690416 = tf(freq=22.0), with freq of:
22.0 = termFreq=22.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.02734375 = fieldNorm(doc=6923)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Content
- "Fast alles wird heute per Computer erfasst. Kaum einer überblickt noch die enormen Datenmengen, die sich in Unternehmen, Universitäten und Verwaltung ansammeln. Allein in den öffentlich zugänglichen Datenbanken der Genforscher fallen pro Woche rund 4,5 Gigabyte an neuer Information an. "Vom potentiellen Wissen in den Datenbanken wird bislang aber oft nur ein Teil genutzt", meint Stefan Wrobel vom Lehrstuhl für Wissensentdeckung und Maschinelles Lernen der Otto-von-Guericke-Universität in Magdeburg. Sein Doktorand Mark-Andre Krogel hat soeben mit einem neuen Verfahren zur Datenbankrecherche in San Francisco einen inoffiziellen Weltmeister-Titel in der Disziplin "Data-Mining" gewonnen. Dieser Daten-Bergbau arbeitet im Unterschied zur einfachen Datenbankabfrage, die sich einfacher statistischer Methoden bedient, zusätzlich mit künstlicher Intelligenz und Visualisierungsverfahren, um Querverbindungen zu finden. "Das erleichtert die Suche nach verborgenen Zusammenhängen im Datenmaterial ganz erheblich", so Wrobel. Die Wirtschaft setzt Data-Mining bereits ein, um das Kundenverhalten zu untersuchen und vorherzusagen. "Stellen sie sich ein Unternehmen mit einer breiten Produktpalette und einem großen Kundenstamm vor", erklärt Wrobel. "Es kann seinen Erfolg maximieren, wenn es Marketing-Post zielgerichtet an seine Kunden verschickt. Wer etwa gerade einen PC gekauft hat, ist womöglich auch an einem Drucker oder Scanner interessiert." In einigen Jahren könnte ein Analysemodul den Manager eines Unternehmens selbständig informieren, wenn ihm etwas Ungewöhnliches aufgefallen ist. Das muss nicht immer positiv für den Kunden sein. Data-Mining ließe sich auch verwenden, um die Lebensdauer von Geschäftsbeziehungen zu prognostizieren. Für Kunden mit geringen Kaufinteressen würden Reklamationen dann längere Bearbeitungszeiten nach sich ziehen. Im konkreten Projekt von Mark-Andre Krogel ging es um die Vorhersage von Protein-Funktionen. Proteine sind Eiweißmoleküle, die fast alle Stoffwechselvorgänge im menschlichen Körper steuern. Sie sind daher die primären Ziele von Wirkstoffen zur Behandlung von Erkrankungen. Das erklärt das große Interesse der Pharmaindustrie. Experimentelle Untersuchungen, die Aufschluss über die Aufgaben der über 100 000 Eiweißmoleküle im menschlichen Körper geben können, sind mit einem hohen Zeitaufwand verbunden. Die Forscher möchten deshalb die Zeit verkürzen, indem sie das vorhandene Datenmaterial mit Hilfe von Data-Mining auswerten. Aus der im Humangenomprojekt bereits entschlüsselten Abfolge der Erbgut-Bausteine lässt sich per Datenbankanalyse die Aneinanderreihung bestimmter Aminosäuren zu einem Protein vorhersagen. Andere Datenbanken wiederum enthalten Informationen, welche Struktur ein Protein mit einer bestimmten vorgegebenen Funktion haben könnte. Aus bereits bekannten Strukturelementen versuchen die Genforscher dann, auf die mögliche Funktion eines bislang noch unbekannten Eiweißmoleküls zu schließen.- Fakten Verschmelzen - Bei diesem theoretischen Ansatz kommt es darauf an, die in Datenbanken enthaltenen Informationen so zu verknüpfen, dass die Ergebnisse mit hoher Wahrscheinlichkeit mit der Realität übereinstimmen. "Im Rahmen des Wettbewerbs erhielten wir Tabellen als Vorgabe, in denen Gene und Chromosomen nach bestimmten Gesichtspunkten klassifiziert waren", erläutert Krogel. Von einigen Genen war bekannt, welche Proteine sie produzieren und welche Aufgabe diese Eiweißmoleküle besitzen. Diese Beispiele dienten dem von Krogel entwickelten Programm dann als Hilfe, für andere Gene vorherzusagen, welche Funktionen die von ihnen erzeugten Proteine haben. "Die Genauigkeit der Vorhersage lag bei den gestellten Aufgaben bei über 90 Prozent", stellt Krogel fest. Allerdings könne man in der Praxis nicht davon ausgehen, dass alle Informationen aus verschiedenen Datenbanken in einem einheitlichen Format vorliegen. Es gebe verschiedene Abfragesprachen der Datenbanken, und die Bezeichnungen von Eiweißmolekülen mit gleicher Aufgabe seien oftmals uneinheitlich. Die Magdeburger Informatiker arbeiten deshalb in der DFG-Forschergruppe "Informationsfusion" an Methoden, um die verschiedenen Datenquellen besser zu erschließen."
-
Brückner, T.; Dambeck, H.: Sortierautomaten : Grundlagen der Textklassifizierung (2003)
0.01
0.0066900663 = product of:
0.020070199 = sum of:
0.020070199 = product of:
0.040140398 = sum of:
0.040140398 = weight(_text_:von in 2398) [ClassicSimilarity], result of:
0.040140398 = score(doc=2398,freq=4.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.3334936 = fieldWeight in 2398, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.0625 = fieldNorm(doc=2398)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Rechnung, Kündigung oder Adressänderung? Eingehende Briefe und E-Mails werden immer häufiger von Software statt aufwändig von Menschenhand sortiert. Die Textklassifizierer arbeiten erstaunlich genau. Sie fahnden auch nach ähnlichen Texten und sorgen so für einen schnellen Überblick. Ihre Werkzeuge sind Linguistik, Statistik und Logik
-
Keim, D.A.: Datenvisualisierung und Data Mining (2004)
0.01
0.005913239 = product of:
0.017739717 = sum of:
0.017739717 = product of:
0.035479434 = sum of:
0.035479434 = weight(_text_:von in 2931) [ClassicSimilarity], result of:
0.035479434 = score(doc=2931,freq=8.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.29476947 = fieldWeight in 2931, product of:
2.828427 = tf(freq=8.0), with freq of:
8.0 = termFreq=8.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.0390625 = fieldNorm(doc=2931)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Die rasante technologische Entwicklung der letzten zwei Jahrzehnte ermöglicht heute die persistente Speicherung riesiger Datenmengen durch den Computer. Forscher an der Universität Berkeley haben berechnet, dass jedes Jahr ca. 1 Exabyte (= 1 Million Terabyte) Daten generiert werden - ein großer Teil davon in digitaler Form. Das bedeutet aber, dass in den nächsten drei Jahren mehr Daten generiert werden als in der gesamten menschlichen Entwicklung zuvor. Die Daten werden oft automatisch mit Hilfe von Sensoren und Überwachungssystemen aufgezeichnet. So werden beispielsweise alltägliche Vorgänge des menschlichen Lebens, wie das Bezahlen mit Kreditkarte oder die Benutzung des Telefons, durch Computer aufgezeichnet. Dabei werden gewöhnlich alle verfügbaren Parameter abgespeichert, wodurch hochdimensionale Datensätze entstehen. Die Daten werden gesammelt, da sie wertvolle Informationen enthalten, die einen Wettbewerbsvorteil bieten können. Das Finden der wertvollen Informationen in den großen Datenmengen ist aber keine leichte Aufgabe. Heutige Datenbankmanagementsysteme können nur kleine Teilmengen dieser riesigen Datenmengen darstellen. Werden die Daten zum Beispiel in textueller Form ausgegeben, können höchstens ein paar hundert Zeilen auf dem Bildschirm dargestellt werden. Bei Millionen von Datensätzen ist dies aber nur ein Tropfen auf den heißen Stein.
- Source
- Grundlagen der praktischen Information und Dokumentation. 5., völlig neu gefaßte Ausgabe. 2 Bde. Hrsg. von R. Kuhlen, Th. Seeger u. D. Strauch. Begründet von Klaus Laisiepen, Ernst Lutterbeck, Karl-Heinrich Meyer-Uhlenried. Bd.1: Handbuch zur Einführung in die Informationswissenschaft und -praxis
-
Baumgartner, R.: Methoden und Werkzeuge zur Webdatenextraktion (2006)
0.01
0.0058538076 = product of:
0.017561423 = sum of:
0.017561423 = product of:
0.035122845 = sum of:
0.035122845 = weight(_text_:von in 5808) [ClassicSimilarity], result of:
0.035122845 = score(doc=5808,freq=4.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.29180688 = fieldWeight in 5808, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.0546875 = fieldNorm(doc=5808)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Das World Wide Web kann als die größte uns bekannte "Datenbank" angesehen werden. Leider ist das heutige Web großteils auf die Präsentation für menschliche Benutzerinnen ausgelegt und besteht aus sehr heterogenen Datenbeständen. Überdies fehlen im Web die Möglichkeiten Informationen strukturiert und aus verschiedenen Quellen aggregiert abzufragen. Das heutige Web ist daher für die automatische maschinelle Verarbeitung nicht geeignet. Um Webdaten dennoch effektiv zu nutzen, wurden Sprachen, Methoden und Werkzeuge zur Extraktion und Aggregation dieser Daten entwickelt. Dieser Artikel gibt einen Überblick und eine Kategorisierung von verschiedenen Ansätzen zur Datenextraktion aus dem Web. Einige Beispielszenarien im B2B Datenaustausch, im Business Intelligence Bereich und insbesondere die Generierung von Daten für Semantic Web Ontologien illustrieren die effektive Nutzung dieser Technologien.
-
Kipcic, O.; Cramer, C.: Wie Zeitungsinhalte Forschung und Entwicklung befördern (2017)
0.01
0.0058538076 = product of:
0.017561423 = sum of:
0.017561423 = product of:
0.035122845 = sum of:
0.035122845 = weight(_text_:von in 3885) [ClassicSimilarity], result of:
0.035122845 = score(doc=3885,freq=4.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.29180688 = fieldWeight in 3885, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.0546875 = fieldNorm(doc=3885)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Das F.A.Z.-Archiv ist nach innen das Informationszentrum der F.A.Z. Hier ist seine oberste Aufgabe die Informationsversorgung der Redaktionen der F.A.Z. GmbH und der Nachweis der F.A.Z. mit allen Teilen und Ausgaben. Nach außen tritt es als Vermarkter von Zeitungsdaten auf, dies sowohl für das eigene Haus wie auch für Dritte. Klarer Auftrag ist dabei die Generierung von Erlösen für die F.A.Z.-Gruppe durch Informations- und Datenbankdienste für externe Kunden.
-
Hallonsten, O.; Holmberg, D.: Analyzing structural stratification in the Swedish higher education system : data contextualization with policy-history analysis (2013)
0.01
0.0050936667 = product of:
0.015281 = sum of:
0.015281 = product of:
0.030562 = sum of:
0.030562 = weight(_text_:22 in 668) [ClassicSimilarity], result of:
0.030562 = score(doc=668,freq=2.0), product of:
0.1579835 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.04511456 = queryNorm
0.19345059 = fieldWeight in 668, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0390625 = fieldNorm(doc=668)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Date
- 22. 3.2013 19:43:01
-
Vaughan, L.; Chen, Y.: Data mining from web search queries : a comparison of Google trends and Baidu index (2015)
0.01
0.0050936667 = product of:
0.015281 = sum of:
0.015281 = product of:
0.030562 = sum of:
0.030562 = weight(_text_:22 in 1605) [ClassicSimilarity], result of:
0.030562 = score(doc=1605,freq=2.0), product of:
0.1579835 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.04511456 = queryNorm
0.19345059 = fieldWeight in 1605, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0390625 = fieldNorm(doc=1605)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Source
- Journal of the Association for Information Science and Technology. 66(2015) no.1, S.13-22
-
Fonseca, F.; Marcinkowski, M.; Davis, C.: Cyber-human systems of thought and understanding (2019)
0.01
0.0050936667 = product of:
0.015281 = sum of:
0.015281 = product of:
0.030562 = sum of:
0.030562 = weight(_text_:22 in 5011) [ClassicSimilarity], result of:
0.030562 = score(doc=5011,freq=2.0), product of:
0.1579835 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.04511456 = queryNorm
0.19345059 = fieldWeight in 5011, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0390625 = fieldNorm(doc=5011)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Date
- 7. 3.2019 16:32:22
-
Loonus, Y.: Einsatzbereiche der KI und ihre Relevanz für Information Professionals (2017)
0.01
0.0050175497 = product of:
0.015052649 = sum of:
0.015052649 = product of:
0.030105298 = sum of:
0.030105298 = weight(_text_:von in 5668) [ClassicSimilarity], result of:
0.030105298 = score(doc=5668,freq=4.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.2501202 = fieldWeight in 5668, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.046875 = fieldNorm(doc=5668)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Es liegt in der Natur des Menschen, Erfahrungen und Ideen in Wort und Schrift mit anderen teilen zu wollen. So produzieren wir jeden Tag gigantische Mengen an Texten, die in digitaler Form geteilt und abgelegt werden. The Radicati Group schätzt, dass 2017 täglich 269 Milliarden E-Mails versendet und empfangen werden. Hinzu kommen größtenteils unstrukturierte Daten wie Soziale Medien, Presse, Websites und firmeninterne Systeme, beispielsweise in Form von CRM-Software oder PDF-Dokumenten. Der weltweite Bestand an unstrukturierten Daten wächst so rasant, dass es kaum möglich ist, seinen Umfang zu quantifizieren. Der Versuch, eine belastbare Zahl zu recherchieren, führt unweigerlich zu diversen Artikeln, die den Anteil unstrukturierter Texte am gesamten Datenbestand auf 80% schätzen. Auch wenn nicht mehr einwandfrei nachvollziehbar ist, woher diese Zahl stammt, kann bei kritischer Reflexion unseres Tagesablaufs kaum bezweifelt werden, dass diese Daten von großer wirtschaftlicher Relevanz sind.
-
Sperlich, T.: ¬Die Zukunft hat schon begonnen : Visualisierungssoftware in der praktischen Anwendung (2000)
0.00
0.004730591 = product of:
0.014191773 = sum of:
0.014191773 = product of:
0.028383546 = sum of:
0.028383546 = weight(_text_:von in 5059) [ClassicSimilarity], result of:
0.028383546 = score(doc=5059,freq=2.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.23581557 = fieldWeight in 5059, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.0625 = fieldNorm(doc=5059)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Source
- Weltwissen - Wissenswelt: Das globale Netz von Text und Bild. Hrsg.: Christa Maar, u.a
-
Nohr, H.: Big Data im Lichte der EU-Datenschutz-Grundverordnung (2017)
0.00
0.004730591 = product of:
0.014191773 = sum of:
0.014191773 = product of:
0.028383546 = sum of:
0.028383546 = weight(_text_:von in 4076) [ClassicSimilarity], result of:
0.028383546 = score(doc=4076,freq=2.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.23581557 = fieldWeight in 4076, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.0625 = fieldNorm(doc=4076)
0.5 = coord(1/2)
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.
-
Schwartz, D.: Graphische Datenanalyse für digitale Bibliotheken : Leistungs- und Funktionsumfang moderner Analyse- und Visualisierungsinstrumente (2006)
0.00
0.0041392674 = product of:
0.012417802 = sum of:
0.012417802 = product of:
0.024835603 = sum of:
0.024835603 = weight(_text_:von in 30) [ClassicSimilarity], result of:
0.024835603 = score(doc=30,freq=2.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.20633863 = fieldWeight in 30, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.0546875 = fieldNorm(doc=30)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Source
- Vom Wandel der Wissensorganisation im Informationszeitalter: Festschrift für Walther Umstätter zum 65. Geburtstag, hrsg. von P. Hauke u. K. Umlauf
-
Wiegmann, S.: Hättest du die Titanic überlebt? : Eine kurze Einführung in das Data Mining mit freier Software (2023)
0.00
0.0041392674 = product of:
0.012417802 = sum of:
0.012417802 = product of:
0.024835603 = sum of:
0.024835603 = weight(_text_:von in 876) [ClassicSimilarity], result of:
0.024835603 = score(doc=876,freq=2.0), product of:
0.120363325 = queryWeight, product of:
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.04511456 = queryNorm
0.20633863 = fieldWeight in 876, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.6679487 = idf(docFreq=8340, maxDocs=44218)
0.0546875 = fieldNorm(doc=876)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Abstract
- Am 10. April 1912 ging Elisabeth Walton Allen an Bord der "Titanic", um ihr Hab und Gut nach England zu holen. Eines Nachts wurde sie von ihrer aufgelösten Tante geweckt, deren Kajüte unter Wasser stand. Wie steht es um Elisabeths Chancen und hätte man selbst das Unglück damals überlebt? Das Titanic-Orakel ist eine algorithmusbasierte App, die entsprechende Prognosen aufstellt und im Rahmen des Kurses "Data Science" am Department Information der HAW Hamburg entstanden ist. Dieser Beitrag zeigt Schritt für Schritt, wie die App unter Verwendung freier Software entwickelt wurde. Code und Daten werden zur Nachnutzung bereitgestellt.
