UID:
almafu_9961000057602883
Format:
1 online resource (162 pages)
Edition:
1. Auflage 2021
ISBN:
3-648-14922-9
,
3-648-14921-0
Series Statement:
Haufe Fachbuch
Content:
Long description: Das Thema künstliche Intelligenz ist in aller Munde. Wie kann auch Ihr Unternehmen KI nutzen und davon profitieren? Dieses Buch bietet anhand eingängiger Beispiele eine pragmatische Einführung in dieses spannende Themenfeld. Der Autor setzt den Fokus auf ein Verständnis der grundlegenden Begriffe und Konzepte sowie der praktischen Durchführung von KI-Projekten. Dabei werden Sie durch Glossare und Checklisten tatkräftig unterstützt. So können Sie die Ergebnisse von KI-Projekten kompetent beurteilen, die richtigen Fragen stellen und fundiert entscheiden.Inhalt:Grundlagen maschinelles Lernen und BuzzwordsKI-Projektmanagement: Struktur, Planung, Ziele Aufbereitung und Visualisierung der Daten, um wertvolle Einsichten zu gewinnenKI nutzen, um Ereignisse und Entwicklungen zu prognostizieren bzw. ungewöhnliche Konstellationen zu erkennenNachhaltige produktive Umsetzung von KI im UnternehmenMit Checklisten und umfangreichem Glossar
Content:
Biographical note: Stephan Matzka Dr. Stephan Matzka ist Professor für Mechatronik im Studiengang Maschinenbau der HTW Berlin. Zuvor war er Abteilungsleiter für Automatisierungstechnik im weltweit größten Automobilkonzern. Heute ist er zudem als Berater und Mentor bei Industrie-4.0.-Projekten mit Fokus auf KI tätig - hier insbesondere bei Schaffung von Beurteilungskompetenzen der Mitarbeiter. Daneben ist er Trainer sowohl bei der Haufe Akademie als auch bei der Haufe-e-Academy.
Note:
PublicationDate: 20210723
,
Cover -- Hinweis zum Urheberrecht -- Titel -- Impressum -- Inhaltsverzeichnis -- 1 Einleitung -- 1.1 Zielsetzung des Buchs -- 1.2 Aufbau des Buchs -- 2 Grundlagen -- 2.1 Buzzwords -- 2.1.1 Künstliche Intelligenz -- 2.1.2 Expertensysteme -- 2.1.3 Maschinelles Lernen -- 2.1.4 Künstliche neuronale Netze -- 2.1.5 Deep Learning -- 2.1.6 Big Data -- 2.1.7 Internet of Things -- 2.1.8 Prädiktive Analyse -- 2.2 Maschinelles Lernen -- 2.2.1 Klassifikation -- 2.2.2 Regression -- 2.2.3 Zeitreihenprognose -- 2.2.4 Clustering/Segmentierung -- 3 KI-Projektmanagement -- 3.1 Projektstruktur -- 3.1.1 CRISP-DM -- 3.1.2 Die einzelnen Phasen des CRISP-DM -- 3.2 Projektziel definieren -- 3.3 Rollen und Aufgaben -- 3.3.1 Entscheider -- 3.3.2 Projektleiterinnen -- 3.3.3 Dateningenieur -- 3.3.4 Datenwissenschaftlerinnen -- 3.4 Infrastruktur -- 3.4.1 Hardware -- 3.4.2 Software -- 3.4.3 Lokale Lösungen oder Plattformen -- 3.5 Checkliste KI-Projektmanagement -- 4 Explorative Analyse -- 4.1 Darstellungsarten -- 4.2 Lage -- 4.2.1 Mittelwert -- 4.2.2 Median -- 4.2.3 Histogramm -- 4.2.4 Modus -- 4.3 Streuung -- 4.3.1 Quantile -- 4.3.2 Box Plot -- 4.4 Zusammenhänge -- 4.4.1 Korrelation -- 4.4.2 Häufigkeitsmatrix -- 4.4.3 Grand Tour -- 4.5 Checkliste Explorative Analyse -- 5 Daten vorbereiten -- 5.1 Problemarten -- 5.1.1 Fehlwerte -- 5.1.2 Ungültige Einträge -- 5.1.3 Unplausible Einträge -- 5.1.4 Abweichende Schreibweisen -- 5.1.5 Duplikate -- 5.1.6 Widersprüchliche Einträge -- 5.2 Fehler bereinigen -- 5.3 Unstrukturierte Daten -- 5.3.1 Vektorraum-Modell -- 5.3.2 n-Gramme -- 5.4 Eigenschaften auswählen -- 5.5 Checkliste Daten vorbereiten -- 6 Klassifikation -- 6.1 Entscheidungsbaum -- 6.1.1 Trainingsdatensatz -- 6.1.2 Testdatensatz -- 6.2 Reinforcement Learning -- 6.3 Evaluation -- 6.3.1 Wahrheitsmatrix -- 6.3.2 Fallstudie »Deep Predictive Maintenance«.
,
6.3.3 Fallstudie »Erweiterter Datensatz« -- 6.3.4 Ermittlung des unternehmerischen Nutzens -- 7 Regression -- 7.1 Lineare Regression -- 7.1.1 Bestimmtheitsmaß -- 7.1.2 Multiple lineare Regression -- 7.1.3 Abweichung -- 7.2 Künstliche neuronale Netze -- 7.2.1 Feed-Forward Netz -- 7.2.2 Rekurrente neuronale Netze -- 8 Clustering -- 8.1 k-Means Clustering -- 8.2 Hierarchisches Clustering -- 8.3 Checkliste Modellbildung und Evaluation -- 9 Produktive Umsetzung -- 9.1 Implementierung -- 9.1.1 Dashboards -- 9.1.2 Empfehlungssysteme -- 9.1.3 Automatisierte KIs -- 9.2 Testen und Überwachen -- 9.3 Checkliste produktive Umsetzung -- 10 Erklärbare künstliche Intelligenz -- 10.1 Verfahren -- 10.1.1 Erklärbares (Vertreter-)Modell -- 10.1.2 Ungewöhnliche Eingabewerte -- 10.1.3 Lokal interpretierbare, modellunabhängige Erklärung -- 10.2 Chancen und Risiken erklärbarer KI -- 11 Fazit -- 11.1 Rückblick -- 11.1.1 Grundlagen künstlicher Intelligenz -- 11.1.2 KI-Projektmanagement -- 11.1.3 Beurteilungskompetenz -- 11.2 Ausblick -- Glossar -- Literaturverzeichnis.
Additional Edition:
ISBN 3-648-14920-2
Language:
German
Bookmarklink
