Göran Kauermann – författare
Visar alla böcker från författaren Göran Kauermann. Handla med fri frakt och snabb leverans.
7 produkter
7 produkter
Inbunden, Engelska, 2019
1 091 kr
Skickas inom 10-15 vardagar
This book provides an overview of network science from the perspective of diverse academic fields, offering insights into the various research areas within network science. The authoritative contributions on statistical network analysis, mathematical network science, genetic networks, Bayesian networks, network visualisation, and systemic risk in networks explore the main questions in the respective fields: What has been achieved to date? What are the research challenges and obstacles? What are the possible interconnections with other fields? And how can cross-fertilization between these fields be promoted?Network science comprises numerous scientific disciplines, including computer science, economics, mathematics, statistics, social sciences, bioinformatics, and medicine, among many others. These diverse research areas require and use different data-analytic and numerical methods as well as different theoretical approaches. Nevertheless, they all examine and describe interdependencies, associations, and relationships of entities in different kinds of networks.The book is intended for researchers as well as interested readers working in network science who want to learn more about the field – beyond their own research or work niche. Presenting network science from different perspectives without going into too much technical detail, it allows readers to gain an overview without having to be a specialist in any or all of these disciplines.
Häftad, Engelska, 2020
1 091 kr
Skickas inom 10-15 vardagar
This book provides an overview of network science from the perspective of diverse academic fields, offering insights into the various research areas within network science. The authoritative contributions on statistical network analysis, mathematical network science, genetic networks, Bayesian networks, network visualisation, and systemic risk in networks explore the main questions in the respective fields: What has been achieved to date? What are the research challenges and obstacles? What are the possible interconnections with other fields? And how can cross-fertilization between these fields be promoted?Network science comprises numerous scientific disciplines, including computer science, economics, mathematics, statistics, social sciences, bioinformatics, and medicine, among many others. These diverse research areas require and use different data-analytic and numerical methods as well as different theoretical approaches. Nevertheless, they all examine and describe interdependencies, associations, and relationships of entities in different kinds of networks.The book is intended for researchers as well as interested readers working in network science who want to learn more about the field – beyond their own research or work niche. Presenting network science from different perspectives without going into too much technical detail, it allows readers to gain an overview without having to be a specialist in any or all of these disciplines.
Inbunden, Engelska, 2021
1 306 kr
Skickas inom 10-15 vardagar
This textbook provides a comprehensive introduction to statistical principles, concepts and methods that are essential in modern statistics and data science. The topics covered include likelihood-based inference, Bayesian statistics, regression, statistical tests and the quantification of uncertainty. Moreover, the book addresses statistical ideas that are useful in modern data analytics, including bootstrapping, modeling of multivariate distributions, missing data analysis, causality as well as principles of experimental design. The textbook includes sufficient material for a two-semester course and is intended for master’s students in data science, statistics and computer science with a rudimentary grasp of probability theory. It will also be useful for data science practitioners who want to strengthen their statistics skills.
Häftad, Engelska, 2022
927 kr
Skickas inom 10-15 vardagar
This textbook provides a comprehensive introduction to statistical principles, concepts and methods that are essential in modern statistics and data science. The topics covered include likelihood-based inference, Bayesian statistics, regression, statistical tests and the quantification of uncertainty. Moreover, the book addresses statistical ideas that are useful in modern data analytics, including bootstrapping, modeling of multivariate distributions, missing data analysis, causality as well as principles of experimental design. The textbook includes sufficient material for a two-semester course and is intended for master’s students in data science, statistics and computer science with a rudimentary grasp of probability theory. It will also be useful for data science practitioners who want to strengthen their statistics skills.
Häftad, Tyska, 2010
341 kr
Skickas inom 10-15 vardagar
Das Buch führt in Grundprinzipien der Stichprobenziehung und der zugehörigen statistischen Auswertung ein. Dabei stehen Motivation und anschauliche Beschreibung der Verfahren im Vordergrund. Nach einer generellen Einführung werden sowohl modellbasierte als auch designbasierte Stichprobenverfahren wie Clusterstichprobe und geschichtete Stichprobe entwickelt. Jedes Kapitel wird mit der Umsetzung der Verfahren mit dem Programpaket R abgeschlossen. Hierdurch werden die Leserin und der Leser in die Lage versetzt, selbst komplexe Stichprobenverfahren direkt in R umzusetzen.Ein Ausblick auf weitere Verfahren und praktische Probleme schließt jedes Kapitel des Buches ab.
Häftad, Tyska, 2023
580 kr
Skickas inom 10-15 vardagar
Dieser Sammelband verbindet theoretische Grundlagen und praktische Anwendungen von Künstlicher Intelligenz (KI) und Data Science: Anerkannte Experten stellen in ihren Beiträgen den aktuellen Stand in Forschung und Wirtschaft dar – und bieten so einen einzigartigen Überblick über aktuelle Konzepte und ihre Umsetzung in Unternehmen. Im ersten Teil des Buchs werden die Methoden und Algorithmen skizziert, die sich größtenteils aus einer Kombination von Statistik und Informatik ergeben und auf Verfahren des Maschinellen Lernens bis hin zu Deep Learning und KI basieren. Im zweiten Teil wird die konzeptionelle Umsetzung in der Praxis skizziert: Hier wird insbesondere aufgezeigt, welche Herausforderungen in der Praxis auftreten – ob nun bei der Einbettung der Daten-Use-Cases in eine Gesamtstrategie oder bei der Produktivsetzung, Weiterentwicklung und dem Betrieb von Daten-basierten Lösungen. Der dritte Teil zeigt das breite Potpourri von Data Science in der Praxis: Branchengrößenwie Allianz, ADAC, BMW, Deutsche Bahn, Lufthansa, REWE, RTL, St. Galler Stadtwerke, SwissRe und viele weitere zeigen konkret, welche Erfahrungen sie bei ihren Projekten gesammelt haben. Fachartikel von über 20 namhaften Unternehmen decken die spezifischen Anforderungen ihrer jeweiligen Branchen ab. Das Buch möchte die interdisziplinäre Diskussion und Kooperation zwischen Wissenschaft und Wirtschaft fördern und richtet sich daher an verschiedene Lesergruppen:Studierende und Absolventen, die Orientierung für die eigene Laufbahn suchen.Forschende und Lehrende, die einen Einblick in praxisrelevante Einsatzgebiete erhalten möchten.Anwender, Praktiker und Entscheider, die sich über Chancen und Herausforderungen von KI in der Praxis informieren möchten.
Häftad, Tyska, 2026
1 071 kr
Kommande
Dieser Sammelband verbindet theoretische Grundlagen und praktische Anwendungen von Künstlicher Intelligenz und Data Science: Führende Expertinnen und Experten aus Wissenschaft und Wirtschaft stellen in ihren Beiträgen den aktuellen Stand in Forschung und Unternehmenspraxis dar und bieten so einen einzigartigen Überblick über aktuelle Konzepte und ihre Umsetzung in Unternehmen.Im ersten Teil des Buchs werden grundlegende Konzepte, aktuelle Methoden und Algorithmen aus Statistik und Informatik skizziert; dazu gehört auch eine strukturierte Einführung in die Mathematik und Methodik moderner KI-Modelle. Darüber hinaus werden zentrale übergeordnete Aspekte beleuchtet – etwa Wirtschaftlichkeit, Wertschöpfung, Nachhaltigkeit und Datenethik. Im zweiten Teil werden die praktische Umsetzung und typische Herausforderungen vertieft, darunter die Einbettung in eine Gesamtstrategie, die Operationalisierung und Weiterentwicklung daten- und KI-basierter Lösungen sowie die Überführung von Prototypen (PoCs) in produktive, skalierte Anwendungen – auch vor dem Hintergrund des EU AI Act. Der dritte Teil widmet sich Data Science in der Praxis: Vertreter namhafter Unternehmen berichten aus konkreten Projekten in unterschiedlichen Branchenkontexten, darunter auch Anwendungsfälle mit Large Language Models (LLMs) und agentischen Systemen. Die Beiträge reichen von international agierenden Konzernen bis zu mittelständischen Unternehmen und Startups.Das Buch möchte die interdisziplinäre Diskussion und Kooperation zwischen Wissenschaft und Wirtschaft fördern und einen Beitrag zur allgemeinen „Data Literacy“ leisten. Es richtet sich insbesondere anStudierende und Absolventen, die Orientierung für die eigene Laufbahn suchen,Forschende und Lehrende, die einen Einblick in praxisrelevante Einsatzgebiete erhalten möchten,Anwender, Praktiker und Entscheider, die sich über Chancen und Herausforderungen von KI in der Praxis informieren möchten.Für die vorliegende zweite Auflage wurden insbesondere Grundlagen und Beispiele zu Generativer KI (GenAI) und Agentic AI integriert. Auch die Dynamik seit ChatGPT und anderen Foundation Models wird eingeordnet, und die entsprechende Unternehmenspraxis von der Strategie bis zum zuverlässigen Betrieb mit LLMOps und MLOps wird vertieft. Dafür wurden zahlreiche neue Beiträge aufgenommen, bestehende aktualisiert oder grundlegend überarbeitet.