Informasjon om | Tysk ordet DATA-MINING

Eksempler på bruk av DATA-MINING i en setning

• Die Bezeichnung Data-Mining (eigentlich etwa „Abbau von Daten“) ist selbst irreführend, denn es geht um die Gewinnung von Wissen aus bereits vorhandenen Daten und nicht um die Generierung oder das Abgreifen von Daten selbst.
• Online Analytical Processing (OLAP) wird neben dem Data-Mining zu den Methoden der analytischen Informationssysteme gezählt.
• Das Konzept von Distanzfunktionen wurde 2011 von Chazal, Cohen-Steiner und Mérigot eingeführt und besitzt unter anderem Anwendungsmöglichkeiten in der geometrischen und der stochastischen Maßtheorie sowie im Data-Mining.
• Analytisches Informationssystem, Informationssysteme für Online Analytical Processing (OLAP) und Data-Mining.
• Die Informationsvisualisierung ist ein relativ neu entstandenes interdisziplinäres Gebiet, das unter anderem Methoden und Erkenntnisse der Informatik, Statistik, Data-Mining sowie der Kognitionswissenschaft verwendet.
• der Numerik, Spieltheorie, Fluiddynamik, maschinellem Lernen und Data-Mining anhand der Beweismittel und vorhergegangenen Handlungen des Täters.
• Operatoren für Ein- und Ausgabe, Datenvorverarbeitung, maschinelles Lernen, Data-Mining, Text Mining, Web Mining, automatische Stimmungsanalyse aus Internet-Diskussionsforen (Sentiment Analysis, Opinion Mining), Zeitreihenanalyse und Prognose.
• So erfasst GHP die Antragsformulare der für die BahnCard und Payback in elektronischen Datenbanken und bietet auf Data-Mining basierende Dienste zu diesen Datenbanken an.
• Wilde mit Marketinginformatik, Database Marketing, Customer-Relationship-Management (CRM) (vor allem analytischem CRM) und Data-Mining.
• Als analytische Informationssysteme bezeichnet man Informationssysteme, die Online Analytical Processing (OLAP) und Data-Mining erlauben, um alle Daten eines Unternehmens so zu analysieren und aufzubereiten, dass sie zur Entscheidungsfindung herangezogen werden können.
• Data-Mining und explorative Datenanalyse, Fuzzy-Systeme, künstliche neuronale Netze, evolutionäre Algorithmen, Bioinformatik und Systembiologie.
• OptiY ist eine Entwurfsumgebung, welche moderne Optimierungsstrategien und state-of-the-art probabilistische Algorithmen zur Unsicherheits- und Sensitivitätsanalyse, Robustheitsbewertung, Zuverlässigkeitsanalyse, Data-Mining, Lebensdauerberechnung und Meta-Modellierung bereitstellt.
• Er gilt als der meistzitierte Informatiker an einer deutschen Universität und zählt international zu den Top 15 meistzitierten Forschern in den Bereichen Datenbanken und Data-Mining / Knowledge Discovery in Databases.
• Er war für seine Forschungen über zufallsabhängige (randomized) Algorithmen bekannt, beschäftigte sich unter anderem mit Data-Mining, Robotik und rechnergestützter Medikamentenentwicklung.
• RapidMiner ist ein frei erhältliches Open Source Tool für Maschinelles Lernen, Data-Mining und Predictive analytics, das alle Schritte des Wissensentdeckungsprozesses von der Datenauswahl, Datenbereinigung, Datenreduktion und -transformation über die Modellbildung und Validierung bis zur Visualisierung und dem Deployment unterstützt.
• Typische Anwendungen finden sich im Vergleich von Dokumenten, von Multimedia-Objekten, im Textmining, im Data-Mining, im Auffinden von Plagiaten, bei Suchmaschinen oder in der Kryptographie bei der Entschlüsselung chiffrierter Texte.
• Im Gegensatz zu Data-Mining konzentriert sich Process-Mining jedoch auf die Hebung von in den Daten schon enthaltenem, implizitem Prozesswissen.
• Seine Forschung umfasst Artificial General Intelligence (Allgemeine Künstliche Intelligenz), Natural Language Processing, Kognitionswissenschaft, Data-Mining, Maschinelles Lernen, Finanzmathematik, Bioinformatik, virtuelle Welten, Computerspiele und andere Bereiche.
• Ab 2019 enthält es Softwarekomponenten für den Umgang mit Netzwerken, Threads, grafischen Benutzeroberflächen, Datenstrukturen, linearer Algebra, maschinellem Lernen mit künstlichen neuronale Netzen und Deep Learning, Gesichtserkennung, Gesichtserkennung mit Orientierungspunkten, Bildverarbeitung mit Objekterkennung via Speeded Up Robust Features (SURF) und HOG, Support Vector Machine, Data-Mining, XML- und Textparsing, numerischer Optimierung, Bayesschen Netzwerken und vielen anderen Aufgaben.
• Anwendungsgebiete im Bereich Big Data, Maschinelles Lernen oder Data-Mining sind beispielsweise AIDS-Forschung, Notenvergabe in Schulen, Optimierung von Flugplänen, Bestimmung von Grippewellen und Erkennung von Walgesang, außerdem zur Voraussage der Platzierungen des Eurovision Song Contests.

Forberedelse av siden tok: 536,23 ms.