Daten- und Prozessanalyse für Fachinformatiker*innen
Description
Dieses Buch zeigt allen Auszubildenden, worauf es im neuen Fachinformatik-Ausbildungsgang Daten- und Prozessanalyse ankommt. Sie erlernen dabei die nötigen mathematischen Grundlagen und profitieren von einer Einführung in Programmierung, Algorithmen und Machine-Learning-Verfahren. Außerdem behandelt das Buch die Geschäftsprozessanalyse. Für alle Themen kommen praxiserprobte Sprachen, Tools und Bibliotheken zum Einsatz. Darüber hinaus bietet das Buch zahlreiche Übungsaufgaben .
- Ideal für die Aus- und Weiterbildung
- Grundlagen verstehen und Wissen vertiefen
- Einführung in Datenanalyse und Maschinelles Lernen
- Neuronale Netze, KI, Steuerung von Geschäftsprozessen, ERP-Systeme
Aus dem Inhalt:
- Die Ausbildung im Überblick
- Was sind Datenanalyse, Machine Learning und KI?
- Logik
- Lineare Algebra
- Stochastik
- Analysis
- Python-Programmierkurs
- Daten aufbereiten
- Machine-Learning-Algorithmen
- Künstliche neuronale Netzwerke
- Grundlagen der Geschäftsprozessanalyse
- Prozessmodellierung mit BPMN 2.0
- Das ERP- und CRM-System dolibarr
- Zahlreiche Übungsaufgaben
Reviews / Votes
Zahlreiche Übungsaufgaben (jeweils mit Lösungshinweisen) ermöglichen eine gute Selbstüberprüfung der Leser*innen für anstehende Prüfungen.More details
Other editions
Additional editions
Person
Content
Materialien zum Buch ... 11
Geleitwort ... 13
Vorwort ... 17
1. Einführung ... 23
1.1 ... Die Ausbildung im Überblick ... 23
1.2 ... Datenanalyse und künstliche Intelligenz ... 26
2. Mathematische Grundlagen ... 35
2.1 ... Logik und Mengenlehre ... 35
2.2 ... Lineare Algebra ... 60
2.3 ... Stochastik ... 77
2.4 ... Funktionen und ihre Eigenschaften ... 88
2.5 ... Übungsaufgaben ... 94
3. Programmierkurs mit Python ... 99
3.1 ... Loslegen ... 100
3.2 ... Grundelemente von Python ... 110
3.3 ... Objektorientiertes Python ... 154
3.4 ... Übungsaufgaben ... 181
4. Mit Python-Modulen arbeiten ... 183
4.1 ... Module installieren, importieren und einsetzen ... 183
4.2 ... Mathematische Module ... 186
4.3 ... Andere wichtige Module ... 202
4.4 ... Übungsaufgaben ... 220
5. Algorithmen und Datenstrukturen ... 223
5.1 ... Listen durchsuchen und sortieren ... 224
5.2 ... Nichtsequenzielle Datenstrukturen durchsuchen ... 239
5.3 ... Mit Graphen arbeiten ... 256
5.4 ... Bedingungserfüllungsprobleme ... 262
5.5 ... Genetische Algorithmen ... 271
5.6 ... Übungsaufgaben ... 294
6. Datenquellen nutzen ... 297
6.1 ... Häufig verwendete Datenquellformate ... 298
6.2 ... Mit Datenbanken arbeiten ... 314
6.3 ... Daten aufbereiten und untersuchen ... 328
6.4 ... Übungsaufgaben ... 358
7. Machine Learning ... 361
7.1 ... Überwachtes Lernen ... 361
7.2 ... Unüberwachtes Lernen ... 387
7.3 ... Übungsaufgaben ... 394
8. Künstliche neuronale Netzwerke ... 397
8.1 ... Einführung und Überblick ... 397
8.2 ... Ein neuronales Netzwerk manuell implementieren ... 402
8.3 ... Neuronale Netzwerke mithilfe von Python-Modulen einsetzen ... 413
8.4 ... Übungsaufgaben ... 417
9. Geschäftsprozessanalyse ... 419
9.1 ... Überblick ... 419
9.2 ... Prozesse mit der BPMN modellieren ... 426
9.3 ... Mit einem ERP- und CRM-System arbeiten ... 440
9.4 ... Übungsaufgaben ... 447
A. Glossar ... 451
B. Zweisprachige Wortliste ... 457
C. Kommentiertes Literatur- und Linkverzeichnis ... 463
Index ... 469
