Dieses Open-Access-Buch stellt einen „Discount“-Qualitätsansatz für die Datenaufbereitung zur wissenschaftlichen Datenanalyse vor – eine entscheidende Voraussetzung für moderne Anwendungen wie Datenanalyseprojekte, künstliche Intelligenz und maschinelles Lernen.
Es behandelt fortgeschrittene Techniken zur Förderung einer verantwortungsvollen Data Science, also die Gestaltung nachhaltiger Datenanalyse-Pipelines auf Grundlage von Human-in-the-Loop-Ansätzen (HITL), um eine hohe Datenqualität zu erzielen. Untersucht werden die Entwicklung aufgaben- und kontextorientierter, nachhaltiger Ansätze für die Datenaufbereitung sowie Methoden und Theorien zur Verringerung des Annotationsaufwands und des benötigten Speicherplatzes und Zeitaufwands. Dabei werden auch der erforderliche Aufwand für menschliche Rechenleistung und die Anforderungen der jeweiligen Aufgabe berücksichtigt.
Die Beiträge befassen sich mit zentralen Aspekten von Datenökosystemen, Pipelines zur Datenaufbereitung, der Bewertung und Verbesserung der Datenqualität, bedarfsgesteuerten Ansätzen zur Datenaufbereitung, der Datenanreicherung und menschlichen Faktoren bei der Datenaufbereitung.
Hersteller
- Verleger
- Springer Nature
- Typ
- Computer - Informatik, Statistik, Künstliche Intelligenz
- Sprache
- Englisch
- Untertitel
- -
- Umschlag
- Weich
- Anzahl der Seiten
- -
- Veröffentlichungsdatum
- -
- Veröffentlichungsdatum
- -
- Abmessungen
- -
- ISBN-13
- 9783032294807
Wichtige Informationen
Spezifikationen werden von offiziellen Hersteller-Websites gesammelt. Bitte überprüfen Sie die Spezifikationen, bevor Sie Ihren endgültigen Kauf tätigen. Wenn Sie ein Problem bemerken, können Sie melden Sie es hier