Datenschutzerklärung

1. Datenschutz auf einen Blick

Allgemeine Hinweise

Die folgenden Hinweise geben einen einfachen Überblick darüber, was mit Ihren personenbezogenen Daten passiert, wenn Sie diese Website besuchen. Personenbezogene Daten sind alle Daten, mit denen Sie persönlich identifiziert werden können. Ausführliche Informationen zum Thema Datenschutz entnehmen Sie unserer unter diesem Text aufgeführten Datenschutzerklärung.

Datenerfassung auf dieser Website

Wer ist verantwortlich für die Datenerfassung auf dieser Website?

Die Datenverarbeitung auf dieser Website erfolgt durch den Websitebetreiber. Dessen Kontaktdaten können Sie dem Impressum dieser Website entnehmen.

Wie erfassen wir Ihre Daten?

Ihre Daten werden zum einen dadurch erhoben, dass Sie uns diese mitteilen. Hierbei kann es sich z. B. um Daten handeln, die Sie in ein Kontaktformular eingeben.

Andere Daten werden automatisch beim Besuch der Website durch unsere IT-Systeme erfasst. Das sind vor allem technische Daten (z. B. Internetbrowser, Betriebssystem oder Uhrzeit des Seitenaufrufs). Die Erfassung dieser Daten erfolgt automatisch, sobald Sie diese Website betreten.

Wofür nutzen wir Ihre Daten?

Ein Teil der Daten wird erhoben, um eine fehlerfreie Bereitstellung der Website zu gewährleisten. Andere Daten können zur Analyse Ihres Nutzerverhaltens verwendet werden.

Welche Rechte haben Sie bezüglich Ihrer Daten?

Sie haben jederzeit das Recht unentgeltlich Auskunft über Herkunft, Empfänger und Zweck Ihrer gespeicherten personenbezogenen Daten zu erhalten. Sie haben außerdem ein Recht, die Berichtigung oder Löschung dieser Daten zu verlangen. Hierzu sowie zu weiteren Fragen zum Thema Datenschutz können Sie sich jederzeit unter der im Impressum angegebenen Adresse an uns wenden. Des Weiteren steht Ihnen ein Beschwerderecht bei der zuständigen Aufsichtsbehörde zu.

Außerdem haben Sie das Recht, unter bestimmten Umständen die Einschränkung der Verarbeitung Ihrer personenbezogenen Daten zu verlangen. Details hierzu entnehmen Sie der Datenschutzerklärung unter „Recht auf Einschränkung der Verarbeitung“.

2. Hosting und Content Delivery Networks (CDN)

Externes Hosting

Diese Website wird bei einem externen Dienstleister gehostet (Hoster). Die personenbezogenen Daten, die auf dieser Website erfasst werden, werden auf den Servern des Hosters gespeichert. Hierbei kann es sich v. a. um IP-Adressen, Kontaktanfragen, Meta- und Kommunikationsdaten, Vertragsdaten, Kontaktdaten, Namen, Webseitenzugriffe und sonstige Daten, die über eine Website generiert werden, handeln.

Der Einsatz des Hosters erfolgt zum Zwecke der Vertragserfüllung gegenüber unseren potenziellen und bestehenden Kunden (Art. 6 Abs. 1 lit. b DSGVO) und im Interesse einer sicheren, schnellen und effizienten Bereitstellung unseres Online-Angebots durch einen professionellen Anbieter (Art. 6 Abs. 1 lit. f DSGVO).

Unser Hoster wird Ihre Daten nur insoweit verarbeiten, wie dies zur Erfüllung seiner Leistungspflichten erforderlich ist und unsere Weisungen in Bezug auf diese Daten befolgen.

3. Allgemeine Hinweise und Pflichtinformationen

Datenschutz

Die Betreiber dieser Seiten nehmen den Schutz Ihrer persönlichen Daten sehr ernst. Wir behandeln Ihre personenbezogenen Daten vertraulich und entsprechend der gesetzlichen Datenschutzvorschriften sowie dieser Datenschutzerklärung.

Wenn Sie diese Website benutzen, werden verschiedene personenbezogene Daten erhoben. Personenbezogene Daten sind Daten, mit denen Sie persönlich identifiziert werden können. Die vorliegende Datenschutzerklärung erläutert, welche Daten wir erheben und wofür wir sie nutzen. Sie erläutert auch, wie und zu welchem Zweck das geschieht.

Wir weisen darauf hin, dass die Datenübertragung im Internet (z. B. bei der Kommunikation per E-Mail) Sicherheitslücken aufweisen kann. Ein lückenloser Schutz der Daten vor dem Zugriff durch Dritte ist nicht möglich.

Hinweis zur verantwortlichen Stelle

Die verantwortliche Stelle für die Datenverarbeitung auf dieser Website ist:

Dr. Johannes Kröckel
E-Mail: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!

Verantwortliche Stelle ist die natürliche oder juristische Person, die allein oder gemeinsam mit anderen über die Zwecke und Mittel der Verarbeitung von personenbezogenen Daten (z. B. Namen, E-Mail-Adressen o. Ä.) entscheidet.

Widerruf Ihrer Einwilligung zur Datenverarbeitung

Viele Datenverarbeitungsvorgänge sind nur mit Ihrer ausdrücklichen Einwilligung möglich. Sie können eine bereits erteilte Einwilligung jederzeit widerrufen. Dazu reicht eine formlose Mitteilung per E-Mail an uns. Die Rechtmäßigkeit der bis zum Widerruf erfolgten Datenverarbeitung bleibt vom Widerruf unberührt.

Widerspruchsrecht gegen die Datenerhebung in besonderen Fällen sowie gegen Direktwerbung (Art. 21 DSGVO)

WENN DIE DATENVERARBEITUNG AUF GRUNDLAGE VON ART. 6 ABS. 1 LIT. E ODER F DSGVO ERFOLGT, HABEN SIE JEDERZEIT DAS RECHT, AUS GRÜNDEN, DIE SICH AUS IHRER BESONDEREN SITUATION ERGEBEN, GEGEN DIE VERARBEITUNG IHRER PERSONENBEZOGENEN DATEN WIDERSPRUCH EINZULEGEN; DIES GILT AUCH FÜR EIN AUF DIESE BESTIMMUNGEN GESTÜTZTES PROFILING. DIE JEWEILIGE RECHTSGRUNDLAGE, AUF DENEN EINE VERARBEITUNG BERUHT, ENTNEHMEN SIE DIESER DATENSCHUTZERKLÄRUNG. WENN SIE WIDERSPRUCH EINLEGEN, WERDEN WIR IHRE BETROFFENEN PERSONENBEZOGENEN DATEN NICHT MEHR VERARBEITEN, ES SEI DENN, WIR KÖNNEN ZWINGENDE SCHUTZWÜRDIGE GRÜNDE FÜR DIE VERARBEITUNG NACHWEISEN, DIE IHRE INTERESSEN, RECHTE UND FREIHEITEN ÜBERWIEGEN ODER DIE VERARBEITUNG DIENT DER GELTENDMACHUNG, AUSÜBUNG ODER VERTEIDIGUNG VON RECHTSANSPRÜCHEN (WIDERSPRUCH NACH ART. 21 ABS. 1 DSGVO).

WERDEN IHRE PERSONENBEZOGENEN DATEN VERARBEITET, UM DIREKTWERBUNG ZU BETREIBEN, SO HABEN SIE DAS RECHT, JEDERZEIT WIDERSPRUCH GEGEN DIE VERARBEITUNG SIE BETREFFENDER PERSONENBEZOGENER DATEN ZUM ZWECKE DERARTIGER WERBUNG EINZULEGEN; DIES GILT AUCH FÜR DAS PROFILING, SOWEIT ES MIT SOLCHER DIREKTWERBUNG IN VERBINDUNG STEHT. WENN SIE WIDERSPRECHEN, WERDEN IHRE PERSONENBEZOGENEN DATEN ANSCHLIESSEND NICHT MEHR ZUM ZWECKE DER DIREKTWERBUNG VERWENDET (WIDERSPRUCH NACH ART. 21 ABS. 2 DSGVO).

Beschwerderecht bei der zuständigen Aufsichtsbehörde

Im Falle von Verstößen gegen die DSGVO steht den Betroffenen ein Beschwerderecht bei einer Aufsichtsbehörde, insbesondere in dem Mitgliedstaat ihres gewöhnlichen Aufenthalts, ihres Arbeitsplatzes oder des Orts des mutmaßlichen Verstoßes zu. Das Beschwerderecht besteht unbeschadet anderweitiger verwaltungsrechtlicher oder gerichtlicher Rechtsbehelfe.

Recht auf Datenübertragbarkeit

Sie haben das Recht, Daten, die wir auf Grundlage Ihrer Einwilligung oder in Erfüllung eines Vertrags automatisiert verarbeiten, an sich oder an einen Dritten in einem gängigen, maschinenlesbaren Format aushändigen zu lassen. Sofern Sie die direkte Übertragung der Daten an einen anderen Verantwortlichen verlangen, erfolgt dies nur, soweit es technisch machbar ist.

Auskunft, Löschung und Berichtigung

Sie haben im Rahmen der geltenden gesetzlichen Bestimmungen jederzeit das Recht auf unentgeltliche Auskunft über Ihre gespeicherten personenbezogenen Daten, deren Herkunft und Empfänger und den Zweck der Datenverarbeitung und ggf. ein Recht auf Berichtigung oder Löschung dieser Daten. Hierzu sowie zu weiteren Fragen zum Thema personenbezogene Daten können Sie sich jederzeit unter der im Impressum angegebenen Adresse an uns wenden.

Recht auf Einschränkung der Verarbeitung

Sie haben das Recht, die Einschränkung der Verarbeitung Ihrer personenbezogenen Daten zu verlangen. Hierzu können Sie sich jederzeit unter der im Impressum angegebenen Adresse an uns wenden. Das Recht auf Einschränkung der Verarbeitung besteht in folgenden Fällen:

  • Wenn Sie die Richtigkeit Ihrer bei uns gespeicherten personenbezogenen Daten bestreiten, benötigen wir in der Regel Zeit, um dies zu überprüfen. Für die Dauer der Prüfung haben Sie das Recht, die Einschränkung der Verarbeitung Ihrer personenbezogenen Daten zu verlangen.
  • Wenn die Verarbeitung Ihrer personenbezogenen Daten unrechtmäßig geschah/geschieht, können Sie statt der Löschung die Einschränkung der Datenverarbeitung verlangen.
  • Wenn wir Ihre personenbezogenen Daten nicht mehr benötigen, Sie sie jedoch zur Ausübung, Verteidigung oder Geltendmachung von Rechtsansprüchen benötigen, haben Sie das Recht, statt der Löschung die Einschränkung der Verarbeitung Ihrer personenbezogenen Daten zu verlangen.
  • Wenn Sie einen Widerspruch nach Art. 21 Abs. 1 DSGVO eingelegt haben, muss eine Abwägung zwischen Ihren und unseren Interessen vorgenommen werden. Solange noch nicht feststeht, wessen Interessen überwiegen, haben Sie das Recht, die Einschränkung der Verarbeitung Ihrer personenbezogenen Daten zu verlangen.

Wenn Sie die Verarbeitung Ihrer personenbezogenen Daten eingeschränkt haben, dürfen diese Daten – von ihrer Speicherung abgesehen – nur mit Ihrer Einwilligung oder zur Geltendmachung, Ausübung oder Verteidigung von Rechtsansprüchen oder zum Schutz der Rechte einer anderen natürlichen oder juristischen Person oder aus Gründen eines wichtigen öffentlichen Interesses der Europäischen Union oder eines Mitgliedstaats verarbeitet werden.

4. Datenerfassung auf dieser Website

Cookies

Unsere Internetseiten verwenden so genannte „Cookies“. Cookies sind kleine Textdateien und richten auf Ihrem Endgerät keinen Schaden an. Sie werden entweder vorübergehend für die Dauer einer Sitzung (Session-Cookies) oder dauerhaft (permanente Cookies) auf Ihrem Endgerät gespeichert. Session-Cookies werden nach Ende Ihres Besuchs automatisch gelöscht. Permanente Cookies bleiben auf Ihrem Endgerät gespeichert bis Sie diese selbst löschen oder eine automatische Lösung durch Ihren Webbrowser erfolgt.

Teilweise können auch Cookies von Drittunternehmen auf Ihrem Endgerät gespeichert werden, wenn Sie unsere Seite betreten (Third-Party-Cookies). Diese ermöglichen uns oder Ihnen die Nutzung bestimmter Dienstleistungen des Drittunternehmens (z.B. Cookies zur Abwicklung von Zahlungsdienstleistungen).

Cookies haben verschiedene Funktionen. Zahlreiche Cookies sind technisch notwendig, da bestimmte Webseitenfunktionen ohne diese nicht funktionieren würden (z.B. die Warenkorbfunktion oder die Anzeige von Videos). Andere Cookies dienen dazu das Nutzerverhalten auszuwerten oder Werbung anzuzeigen.

Cookies, die zur Durchführung des elektronischen Kommunikationsvorgangs oder zur Bereitstellung bestimmter, von Ihnen erwünschter Funktionen (z. B. Warenkorbfunktion) erforderlich sind, werden auf Grundlage von Art. 6 Abs. 1 lit. f DSGVO gespeichert. Der Websitebetreiber hat ein berechtigtes Interesse an der Speicherung von Cookies zur technisch fehlerfreien und optimierten Bereitstellung seiner Dienste. Sofern eine entsprechende Einwilligung abgefragt wurde (z. B. eine Einwilligung zur Speicherung von Cookies), erfolgt die Verarbeitung ausschließlich auf Grundlage von Art. 6 Abs. 1 lit. a DSGVO; die Einwilligung ist jederzeit widerrufbar.

Sie können Ihren Browser so einstellen, dass Sie über das Setzen von Cookies informiert werden und Cookies nur im Einzelfall erlauben, die Annahme von Cookies für bestimmte Fälle oder generell ausschließen sowie das automatische Löschen der Cookies beim Schließen des Browsers aktivieren. Bei der Deaktivierung von Cookies kann die Funktionalität dieser Website eingeschränkt sein.

Soweit Cookies von Drittunternehmen oder zu Analysezwecken eingesetzt werden, werden wir Sie hierüber im Rahmen dieser Datenschutzerklärung gesondert informieren und ggf. eine Einwilligung abfragen.

Quelle: https://www.e-recht24.de

Herzlich Willkommen auf der Seite zum Buch Data Analytics in Produktion und Logistik.

 

buch

 

Auf den folgenden Seiten finden Sie weitere Informationen rund um das Buch sowie Links aus dem Buch zum Nachschlagen.

Über das Buch:

Einer der Schwerpunkte von Industrie 4.0 ist die Integration von Big Data Technologien in Fertigung und Logistik. Auf Basis von bestehenden meist ungenutzten sowie zusätzlich aufgezeichneten Daten ergeben sich ungeahnte Potenziale für Effizienzsteigerungen und Kostensenkungen. Neue digitale Produkte und Dienstleistungen ermöglichen produzierenden Unternehmen darüber hinaus neue gewinnbringende Geschäftsmodelle mit denen sie Kundenbedürfnisse noch besser abdecken bzw. neue Kunden akquirieren können. Dabei spielen effiziente Machine Learning Algorithmen für die automatisierte, objektive, zuverlässige und schnelle Verarbeitung und Auswertung großer industrieller Datenmengen eine zentrale Rolle.
Das Buch führt Businessziele und analytische Lösungswege in pragmatischer Art und Weise zusammen. Es bietet nicht nur einen guten Überblick zu den in der Fertigung und Logistik anwendbaren Data Mining Algorithmen, sondern liefert auch konkrete Use Cases, die mit diesen Algorithmen erfolgreich umgesetzt werden können.

Folgende Themen behandelt das Buch im Überblick:

- Rollen und Teamstruktur
- Vorgehen
- Daten
- Handwerkszeug (Algorithmen und Methoden)
- Use Cases aus dem Bereich Produktion und Logistik

 

Veröffentlichungsdatum: 01.03.2019

Vorbestellbar:

 

Johannes KröckelDr. Johannes Kröckel leitet seit Mitte 2018 die Abteilung «Data Science & AI» im Bereich Digitalisierung beim Automobil- und Industriezulieferer Schaeffler. Zuvor war er dort als Data Scientist und Cluster Lead (Analytics-Produktion und SCM) tätig. Vor seiner Zeit bei Schaeffler arbeitete der Doktor der Wirtschaftsinformatik (Fokus Automated Behavior Analysis, Computer Vision) als Senior Technology Consultant und Data Scientist bei Lufthansa Industry Solutions. Dort betreute er Big- Data- und Analytics-Projekte bei Kunden wie Audi und Lufthansa Technik.

 

   https://www.linkedin.com/in/johannes-kr%C3%B6ckel-b6829652/

  https://www.xing.com/profile/Johannes_Kroeckel/

Hier finden Sie die Links zu allen Onlineressourcen, die im Buch referenziert oder anderweitig angegeben wurden.

Stand: 19.07.2019

 


Kapitel 1

Data Scientist: The Sexiest Job of the 21st Century  https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century
Top Trends in the Gartner Hype Cycle for Emerging Technologies 2017 http://www.gartner.com/smarterwithgartner/top-trends-in-the-gartner-hype-cycle-for-emerging-technologies-2017/

Kapitel 2

Rollen

Close look at Data Scientist vs Data Engineer http://www.techiexpert.com/close-look-data-scientist-vs-data-engineer/
The Data Science Venn Diagram http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram
How Do I Become a Data Scientist? https://advanceddataanalytics.net/2015/05/12/how-do-i-become-a-data-scientist/
The New Data Scientist Venn Diagram  https://whatsthebigdata.com/2016/07/08/the-new-data-scientist-venn-diagram/

  
Online-Kurse und Ressourcen

Online-Kurse  https://www.coursera.org/
Online-Kurse   https://www.edx.org/
Online-Kurse  und viele Bücher, die im O'Reilly Verlag erschienen sind  https://www.safaribooksonline.com/
Online-Kurse   https://eu.udacity.com/
Online-Kurse   https://www.udemy.com/

 

 Weitere Informationen

SystemML (jetzt SystemDS) https://systemds.apache.org/
DevOps, und alle ziehen an einem Strang https://www.cloudcomputing-insider.de/devops-und-alle-ziehen-an-einem-strang-a-501139/
DevOps: Schluss mit den Grenzen zwischen Entwicklung und Operations  https://de.atlassian.com/devops

 

 


Kapitel 3

Herausforderungen

Weshalb die meisten Big-Data-Projekte scheitern https://www.datacenter-insider.de/weshalb-die-meisten-big-data-projekte-scheitern-a-417085/
Woran Big-Data-Analysen wirklich scheitern https://www.bigdata-insider.de/woran-big-data-analysen-wirklich-scheitern-a-677594/
Berater scheitern an Data Analytics https://www.cio.de/a/berater-scheitern-an-data-analytics,3580190
BARC-Studie: Data-Preparation-Initiativen scheitern oft an Fachkräftemangel und fehlender Management-Unterstützung https://barc.de/news/barc-studie-data-preparation-initiativen-scheitern-oft-an-fachkraftemangel-und-fehlender-management-unterstutzung
Why Silicon Valley's 'Fail Fast' Mantra Is Just Hype https://www.forbes.com/sites/robasghar/2014/07/14/why-silicon-valleys-fail-fast-mantra-is-just-hype/#170c1a6d24bc

 

CRISP-DM

KDD, SEMMA and CRISP-DM: A parallel overview http://recipp.ipp.pt/bitstream/10400.22/136/3/KDD-CRISP-SEMMA.pdf
CRISP-DM 1.0 - Step-by-step data mining guide https://www.the-modeling-agency.com/crisp-dm.pdf
The CRISP-DM User Guide https://s2.smu.edu/~mhd/8331f03/crisp.pdf
Why Continuous Learning is the key towards Machine Intelligence https://medium.com/@vlomonaco/why-continuous-learning-is-the-key-towards-machine-intelligence-1851cb57c308

 

SCRUM, KANBAN, Machine Learning Canvas

Scrum-Einführung http://scrum-master.de/Scrum-Einfuehrung
Scrum - Ein kurzer Blick auf die Verwendung des Scrum-Frameworks in der Softwareentwicklung https://de.atlassian.com/agile/scrum
Sind wir schon da? – Die Definition of Done (DOD) https://www.scrum.de/sind-wir-schon-da-die-definition-of-done-dod/
KANBAN Board Simulation http://www.kanbansim.org/

 

Cloud 

Data Lakes and Analytics on AWS https://aws.amazon.com/de/products/analytics/
Azure Analysis Services https://azure.microsoft.com/en-us/services/analysis-services/
Azure Big data and analytics https://azure.microsoft.com/en-us/solutions/big-data/
IBM Analytics Services https://www.ibm.com/cloud/analytics
IBM Analytics Engine https://www.ibm.com/cloud/analytics-engine
Data and analytics services on IBM cloud https://www.ibm.com/cloud/data
IBM Watson Studio (aktualisiert) https://www.ibm.com/de-de/cloud/watson-studio
Comparing Machine Learning as a Service: Amazon, Microsoft Azure, Google Cloud AI https://www.kdnuggets.com/2018/01/mlaas-amazon-microsoft-azure-google-cloud-ai.html
Simple Monthly Calculator http://calculator.s3.amazonaws.com/index.html

 

Weitere Informationen

Was ist Business Intelligence – BI? https://www.bigdata-insider.de/was-ist-business-intelligence-bi-a-563185/
Data Science Plattform Kaggle https://www.kaggle.com/

 


Kapitel 4

Die 9 V von Big Data  https://blog.qsc.de/2016/08/die-9-v-von-big-data/ 

13 V’s in Big Data (Link tot)

--> Alternative: tdwi - The 10 Vs of Big Data

http://www.godatafy.com/tag/13-vs-in-big-data/

https://tdwi.org/articles/2017/02/08/10-vs-of-big-data.aspx

Was ist Big Data? – Eine Definition mit fünf V https://blog.unbelievable-machine.com/was-ist-big-data-definition-f%C3%BCnf-v
Smart Data Newsletter https://www.digitale-technologien.de/DT/Redaktion/DE/Downloads/Publikation/SmartData_NL1.pdf?__blob=publicationFile&v=5
Attacking Machine Learning with Adversarial Examples https://blog.openai.com/adversarial-example-research/
Aktuelles Schlagwort “Semi-strukturierte Daten” https://www.en.pms.ifi.lmu.de/publications/PMS-FB/PMS-FB-2001-9.pdf
The world’s most valuable resource is no longer oil, but data https://www.economist.com/leaders/2017/05/06/the-worlds-most-valuable-resource-is-no-longer-oil-but-data
Is Your Company’s Data Actually Valuable in the AI Era? https://hbr.org/2018/01/is-your-companys-data-actually-valuable-in-the-ai-era

 


Kapitel 5

Methoden

Top Data Science and Machine Learning Methods Used in 2017 https://www.kdnuggets.com/2017/12/top-data-science-machine-learning-methods.html?utm_content=buffer8610e&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer 
Reguar Expressions 101 https://regex101.com/
RegExr https://regexr.com/
Python Data Preparation Case (aktualisiert) https://www.kdnuggets.com/2017/09/python-data-preparation-case-files-group-based-imputation.html
Principal Component Analysis http://setosa.io/ev/principal-component-analysis/
Introduction to Principal Components and Factor Analysis ftp://statgen.ncsu.edu/pub/thorne/molevoclass/AtchleyOct19.pdf
A One-Stop Shop for Principal Component Analysis https://towardsdatascience.com/a-one-stop-shop-for-principal-component-analysis-5582fb7e0a9c
The Random Forest Algorithm (aktualisiert)

https://towardsdatascience.com/an-implementation-and-explanation-of-the-random-forest-in-python-77bf308a9b76

Tankerkönig https://creativecommons.tankerkoenig.de/
StatsModels - Statistics in Python http://www.statsmodels.org/
Ein Jahr Markttransparenzstelle für Kraftstoffe (MTS-K): Eine erste Zwischenbilanz https://www.bundeskartellamt.de/SharedDocs/Publikation/DE/Berichte/Ein_Jahr_MTS-K_Marginalsp.pdf?__blob=publicationFile&v=10
Forecasting: Principles and Practice

https://www.otexts.org/fpp/

Predicting house value using regression analysis https://towardsdatascience.com/regression-analysis-model-used-in-machine-learning-318f7656108a
Least-Squares Regression https://faculty.elgin.edu/dkernler/statistics/ch04/4-2.html
Coursera - Spezialisierung Deep Learning https://www.coursera.org/specializations/deep-learning
Linear Regression: Implementation, Hyperparameters and their Optimizations http://pavelbazin.com/post/linear-regression-hyperparameters/#linear-regression-implementation-hyperparameters-and-their-optimizations
ScitKitLearn - Logistic Regression http://scikit-learn.org/stable/modules/linear_model.html#logistic-regression
What are kernels in machine learning and SVM and why do we need them? https://www.quora.com/What-are-kernels-in-machine-learning-and-SVM-and-why-do-we-need-them
Mahalanobis-Distanz http://www.statistics4u.com/fundstat_germ/ee_mahalanobis_distance.html
Distance and Similarity Measures Effect on the Performance of K-Nearest Neighbor Classifier – A Review https://arxiv.org/pdf/1708.04321.pdf
The distance function effect on k-nearest neighbor classification for medical datasets https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4978658/
Introduction to k-Nearest Neighbors: Simplified (with implementation in Python) https://www.analyticsvidhya.com/blog/2018/03/introduction-k-neighbours-algorithm-clustering/
6 Easy Steps to Learn Naive Bayes Algorithm (with codes in Python and R) https://www.analyticsvidhya.com/blog/2017/09/naive-bayes-explained/
Introduction to One-class Support Vector Machines http://rvlasveld.github.io/blog/2013/07/12/introduction-to-one-class-support-vector-machines/
Python for Image Understanding: Deep Learning with Convolutional Neural Nets https://www.slideshare.net/roelofp/python-for-image-understanding-deep-learning-with-convolutional-neural-nets
10 Ways Machine Learning Is Revolutionizing Manufacturing In 2018  https://www.forbes.com/sites/louiscolumbus/2018/03/11/10-ways-machine-learning-is-revolutionizing-manufacturing-in-2018/#2a267fa023ac
Machine Learning in Manufacturing – Present and Future Use-Cases https://emerj.com/ai-sector-overviews/machine-learning-in-manufacturing/
The Neural Network Zoo http://www.asimovinstitute.org/neural-network-zoo/
Top 8 Free Must-Read Books on Deep Learning https://www.kdnuggets.com/2018/04/top-free-books-deep-learning.html
Deep Learning - An MIT Press book http://www.deeplearningbook.org/
Neural Networks and Deep Learning http://neuralnetworksanddeeplearning.com/
Neural Networks and Learning Machines (Third Edition) https://cours.etsmtl.ca/sys843/REFS/Books/ebook_Haykin09.pdf
Selecting the number of clusters with silhouette analysis on KMeans clustering https://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_silhouette_analysis.html

 

Datenbanken und ETL-Tools

w3schools.com - SQL Tutorial https://www.w3schools.com/sql/
Einführung in SQL - Datenbanken bearbeiten https://upload.wikimedia.org/wikibooks/de/d/d3/Einf%C3%BChrung_in_SQL.pdf
List of NoSQL Databases http://nosql-database.org/
The history of Hadoop: From 4 nodes to the future of data https://gigaom.com/2013/03/04/the-history-of-hadoop-from-4-nodes-to-the-future-of-data/
The history of Hadoop https://medium.com/@markobonaci/the-history-of-hadoop-68984a11704
 Hadoop Tutorial: All you need to know about Hadoop! https://www.edureka.co/blog/hadoop-tutorial/
Download Cloudera Enterprise https://www.cloudera.com/downloads.html
Downloads für Connected-Data-Plattformen von Hortonworks https://de.hortonworks.com/downloads/
Safari Books Online https://www.safaribooksonline.com/
Talend https://de.talend.com/
Informatica https://www.informatica.com/de/
Apache Kafka http://kafka.apache.org/
Confluent https://www.confluent.io/
Nifi https://nifi.apache.org/
Hortonworks Data Platform https://de.hortonworks.com/products/data-platforms/hdf/
Apache Spark Streaming https://spark.apache.org/streaming/
Lambda Architecture http://lambda-architecture.net/

 

 

Analytics-Tools

KNIME https://www.knime.com/
Rapidminer https://rapidminer.com/
Wikipedia - RapidMiner https://de.wikipedia.org/wiki/RapidMiner
Wikipedia - KNIME https://de.wikipedia.org/wiki/KNIME
Anaconda https://www.anaconda.com/distribution/
WinPython http://winpython.sourceforge.net/
Jetbrains PyCharm https://www.jetbrains.com/pycharm/
PyDEV http://www.pydev.org/
Visual Studio Code https://code.visualstudio.com/
Notepad++ https://notepad-plus-plus.org/
ScitKitLearn  http://scikit-learn.org/
Matplotlib https://matplotlib.org/
Text Mining Online http://textminingonline.com/category/nltk
RStudio https://www.rstudio.com/
The Comprehensive R Archive Network https://cran.r-project.org/
swirl http://swirlstats.com/
RStudio Cheat Sheets https://www.rstudio.com/resources/cheatsheets/
20 Most Popular R packages http://makemeanalyst.com/20-most-popular-r-packages/
RStudio Cheat Sheets https://github.com/rstudio/cheatsheets/blob/master/data-visualization-2.1.pdf
RStudio Cheat Sheets - Strings https://github.com/rstudio/cheatsheets/blob/master/strings.pdf
Project Jupyter http://jupyter.org/
Apache Zeppelin https://zeppelin.apache.org/
Tableau https://www.tableau.com/
Apache Superset https://superset.incubator.apache.org/

 

 

Weiterführende Informationen

KDNuggets https://www.kdnuggets.com/
Data Science Central https://www.datasciencecentral.com/
Towards Data Science https://towardsdatascience.com/



Kapitel 6

Process Mining

Interview – Process Mining ist ein wichtiger Treiber der Prozessautomatisierung https://data-science-blog.com/blog/2017/10/19/interview-prof-scheer-process-mining-automation/ 
Celonis https://www.celonis.com/de/
Fluxicon https://fluxicon.com/disco/
Process Mining http://www.processmining.org/tools/start
Dataset - Production Analysis with Process Mining Technology (aktualisiert) https://data.4tu.nl/articles/dataset/Production_Analysis_with_Process_Mining_Technology/12697997
ProM Tools http://www.promtools.org/doku.php
Online Course: Introduction to Process Mining with ProM https://www.futurelearn.com/courses/process-mining
Alpha Miner https://www.futurelearn.com/courses/process-mining/0/steps/15637
Fuzzy Miner (aktualisiert) http://processmining.org/online/fuzzyminer

 

Berichte

Data.gov - Consumer Complaint Database https://catalog.data.gov/dataset/consumer-complaint-database
German Stopwords https://github.com/solariz/german_stopwords/blob/master/german_stopwords_full.txt
nltk.stem package http://www.nltk.org/api/nltk.stem.html
German stemming algorithm http://snowball.tartarus.org/algorithms/german/stemmer.html
Stemming and Lemmatization with Python NLTK http://text-processing.com/demo/stem/
corpus: Text Corpus Analysis https://cran.r-project.org/web/packages/corpus/
ScitKit Learn - Logistic Regression  http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html
ScitKit Learn - Working with data https://scikit-learn.org/stable/tutorial/text_analytics/working_with_text_data.html
Machine Learning, NLP: Text Classification using scikit-learn, python and NLTK. https://towardsdatascience.com/machine-learning-nlp-text-classification-using-scikit-learn-python-and-nltk-c52b92a7c73a

 

Wartung

automotiveIT: Predictive Maintenance enttäuscht Erwartungen https://www.automotiveit.eu/predictive-maintenance-enttaeuscht-erwartungen/news/id-0060652 
automotiveIT: Predictive Maintenance fristet Schattendasein https://www.automotiveit.eu/predictive-maintenance-fristet-schattendasein/news/id-0060169
Industrie 4.0 Index: Predicitive Maintenance bleibt noch deutlich hinter den Erwartungen https://www.staufen.ag/de/unternehmen/news-events/news/newsdetail/2018/02/industrie-40-index-predictive-maintenance-bleibt-noch-deutlich-hinter-den-erwartungen/
6.Turbofan Engine Degradation Simulation Data Set https://ti.arc.nasa.gov/tech/dash/groups/pcoe/prognostic-data-repository/#turbofan
Modular Aero-Propulsion System Simulations - MAPSS, C-MAPSS, C-MAPSS40k https://www.grc.nasa.gov/www/cdtb/software/mapss.html
Getting Started with Predictive Maintenance Models https://www.svds.com/getting-started-predictive-maintenance-models/
Predictive Maintenance for IoT https://www.svds.com/predictive-maintenance-iot/
Data analysis and processing techniques for
remaining useful life estimations
https://rdw.rowan.edu/cgi/viewcontent.cgi?article=3433&context=etd
GitHub - Apache Spark - Turbofan Engine Degradation Simulation Data Set example in Apache Spark https://github.com/oluies/tedsds

 

Transporte

Bureau Of Transportation Statistics: Freight Analysis Framework  https://www.bts.gov/faf
Seaborn: statistical data visualization https://seaborn.pydata.org/
Geopy https://geopy.readthedocs.io/en/stable/
Great Circle Maps for Python https://github.com/paulgb/gcmap