Was stellt ein Data-Science-Team eigentlich her?
Wie genau kann man sich die Arbeit eines Data-Science-Teams vorstellen? Analyse oder App? Worin besteht der Unterschie? Dr. Michael Allgöwer klärt auf!
Best Practice für SQL-Statements in Python
Lernen Sie die verschiedenen Spielarten, SQL-Statements in Python zu erzeugen, und finden Sie heraus, welche davon die sinnvollste ist.
Aufbau eines schlagkräftigen Data-Science-Teams
Wie Sie auch in Ihrem Unternehmen ein effizientes Data-Science-Team aufbauen können? Unser Kollege Simon Nehls klärt Sie in diesem Blogbeitrag darüber auf!
Von SAS zu R und zurück
Zum Start einer Mini-Serie, die die Brücke zu schlagen versucht zwischen SAS und R, schauen wir uns Möglichkeiten des Datenaustausches an...
Boosting für den naiven Bayes-Klassifikator
Wie Sie den AdaBoost.M1 Algorithmus mit dem naiven Bayes-Klassifikator in R programmieren können? Das erfahren Sie in diesem Data Science Blogbeitrag.
Deep Learning im Scheinwerferlicht
Erhalten Sie in unserem Blogbeitrag eine praktische Einführung in das Thema Deep Learning sowie einen Einblick in die aktuellsten Open-Source-Tools!
Python Module für Data Science
Sie möchten einen Überblick über Python-basierte R-Alternativen erhalten? Dann sind Sie bei diesem Blogbeitrag genau richtig!
Predictive Analytics und die Präsidentschaftswahl
Dr. Michael Allgöwer erklärt, wie wichtig ein funktionierendes und effizient arbeitendes Data-Science-Team für die Präsidentsschaftswahlen in den USA ist.
Predictive Analytics World Tag 2
Der zweite Tag der PAW für Dr. Michael Allgöwer: Einbrecher, sensible Daten und was man daraus über das Data-Science-Storytelling lernen kann.
Predictive Analytics World Tag 1
Unser Kollege Dr. Michael Allgöwer besucht auch dieses Jahr die Predictive Analytics World in Berlin. Hier gibt es die Highlights von Tag 1...
Predictive Analytics World
Unser Kollege Dr. Michael Allgöwer besucht auch dieses Jahr die Predictive Analytics World in Berlin. Seine Eindrücke und Erfahrungen lesen Sie hier!
Hochleistungsdenksport mit R
Unser Kollege Orlando hat analysiert, wie man Hochleistungssport mit R dechiffrieren kann. Wie das funktioniert? Direkt hier nachlesen...
Customer Journey Analytics
In seiner Abschlussarbeit beschäftigte sich Simon Nehls mit der Modellierung des Internetnutzungsverhaltens im Reisemarkt. Einen Auszug finden Sie hier...
Dateien verarbeiten mit Standard-Python
Erfahren Sie, wie Sie mit wenigen Zeilen in Python Datensätze mit mehreren Gigabyte lesen und zerlegen können.
Uplift-Modeling
Erfahren Sie in diesem Blogbeitrag, wie Uplift-Modeling Sie bei der Kampagnensteuerung optimal unterstützen kann!
HOWTO: Einfaches Web Scraping mit Python
Lesen Sie anhand eines kleinen Praxisbeispiels, wie einfach es sein kann, automatisiert Inhalte aus dem WWW auszulesen.
R Tipps und Tricks - Teil 1
Wie kann man R optimal für Advanced Analytics einsetzen? Unser Kollege Stefan Seltmann liefert Tipps und Tricks für den Einstieg...
IMHO, vergesst die Handlungsrelevanzmatrizen
Warum die in Zufriedenheitsbefragungen beliebte Handlungsrelevanzmatrix nur scheinbar brauchbare Aussagen liefert.
Customer Lifetime Value - Irrtümer und Wahrheiten
Die Verbreitung des Customer Lifetime Values zeigt, dass einige Missverständnisse und Irrtümer weit verbreitet sind. Die b.telligent Experten klären auf..
Fehlende Werte in logistischer Regression
Erfahren Sie in diesem Blogbeitrag, wie Sie trotz fehlender Werte in der logistischen Regression erfolgreiche Analysen durchführen können.
Rückrufservice