Neue Dimensionen in Data Science
Interdisziplinäre Ansätze und Anwendungen aus Wissenschaft und Wirtschaft
Diese Publikation zitieren
Michael Herter (Hg.), Barbara Wawrzyniak (Hg.), Neue Dimensionen in Data Science (2022), Wichmann Verlag, Berlin, ISBN: 9783879077229
769
Accesses
Accesses
Beschreibung / Abstract
In Zeiten von Big Data wird der Umgang mit Daten immer wichtiger. Im Mittelpunkt der dazu notwendigen Kompetenz steht die datenbasierte Wissensgenerierung für ein optimiertes, zielgerichtetes Handeln. Die Daten und das Handeln wiederum sind eingebettet in Raum und Zeit. Sie stellen die zentralen Dimensionen des interdisziplinären Datenkontexts dar, die in bisherigen Büchern zu Data Science kaum bzw. keine Berücksichtigung finden. Das ist auch der Fokus des Buchs, wozu sich Autoren aus unterschiedlichen Fachbereichen einbringen.
Das Werk gliedert sich in zwei thematische Bereiche. Nach einer Einführung in Data Science im Kontext von Raum und Zeit folgen im ersten Teil Beiträge, die durch ihre Interdisziplinarität neue Dimensionen im Bereich Data Science eröffnen. Die Themen reichen von der Notwendigkeit von Ethik für erfolgreiche künstliche Intelligenz über Gender Awareness and Diversity in Data Science, Datenqualität, Data Privacy, Datenvisualisierung, Machine Learning, Text Mining, Analyse von Netzwerkdaten, Korrelation und Kausalität bis hin zu aktuellen Risiken und Schwachstellen von KI-Anwendungen. Im zweiten thematischen Teil des Buchs werden mehrere Praxisbeispiele aus unterschiedlichen Disziplinen aufgeführt, die einen Einblick in die Vielfalt der Data Science geben. Diese zeigen die schier unbegrenzten Möglichkeiten des Einsatzes von Methoden und Daten zur Beantwortung gesellschaftlich relevanter Fragestellungen.
Das Buch wendet sich an Praktiker, Wissenschaftler und Studierende in den Bereichen Geoinformatik, Geowissenschaften, BWL, Sozialwissenschaften, Wirtschaftsinformatik, Wirtschaftsingenieurwesen u. a. m. Darüber hinaus richtet sich das Werk an alle, die sich einen Überblick zu Data Science im Kontext von Raum und Zeit verschaffen möchten.
Das Werk gliedert sich in zwei thematische Bereiche. Nach einer Einführung in Data Science im Kontext von Raum und Zeit folgen im ersten Teil Beiträge, die durch ihre Interdisziplinarität neue Dimensionen im Bereich Data Science eröffnen. Die Themen reichen von der Notwendigkeit von Ethik für erfolgreiche künstliche Intelligenz über Gender Awareness and Diversity in Data Science, Datenqualität, Data Privacy, Datenvisualisierung, Machine Learning, Text Mining, Analyse von Netzwerkdaten, Korrelation und Kausalität bis hin zu aktuellen Risiken und Schwachstellen von KI-Anwendungen. Im zweiten thematischen Teil des Buchs werden mehrere Praxisbeispiele aus unterschiedlichen Disziplinen aufgeführt, die einen Einblick in die Vielfalt der Data Science geben. Diese zeigen die schier unbegrenzten Möglichkeiten des Einsatzes von Methoden und Daten zur Beantwortung gesellschaftlich relevanter Fragestellungen.
Das Buch wendet sich an Praktiker, Wissenschaftler und Studierende in den Bereichen Geoinformatik, Geowissenschaften, BWL, Sozialwissenschaften, Wirtschaftsinformatik, Wirtschaftsingenieurwesen u. a. m. Darüber hinaus richtet sich das Werk an alle, die sich einen Überblick zu Data Science im Kontext von Raum und Zeit verschaffen möchten.
Leseprobe
Inhaltsverzeichnis
- Neue Dimensionen in Data Science
- Ihre Meinung zählt!
- Impressum
- Vorwort
- Vorwort der German Data Science Society
- Inhalt
- I Einführung
- 1 Was ist Data Science
- 2 Neue Dimensionen in Data Science – eine Einführung in das Buch
- 3 Was ist Data Science? – Kurzstatements der Autor:innen
- II Neue Dimensionen durch Interdisziplinarität
- 4 Die Notwendigkeit von Ethik für erfolgreiche künstliche Intelligenz
- 5 Daten- und KI-Kompetenz für alle
- 6 Gender Awareness and Diversity in Data Science
- 7 Big Data und Qualität – ist viel gleich gut
- 8 Datenschutz-, Urheber- und Lauterkeitsrecht
- 9 Datenvisualisierung im Spannungsfeld von Wissensvermittlung, Forschung und Gestaltung
- 10 Alles, was zählt – wie datengetriebene Recherchen den Journalismus verändern
- 11 Nutzung von Machine Learning zur polizeilichen Verbrechensbekämpfung
- 12 Informationsextraktion: Text Mining für die Interpretation hochdimensionaler Daten
- 13 Analyse von Netzwerkdaten
- 14 Korrelation und Kausalität in Data Science
- 15 Aktuelle Risiken und Schwachstellen von KI-Anwendungen
- III Data Science in der Praxis
- 16 Kleinräumige Datenanalysen in den Sozial- und Wirtschaftswissenschaften
- 17 Raumstrukturen und Geocodierung in Deutschland
- 18 Kundensegmentierungen mit Cluster- und Diskriminanzanalysen
- 19 Offline-Bevölkerung im Umfeld von Schulen mithilfe von Machine Learning prognostizieren
- 20 Zur Zukunft des Homeoffice
- 21 Erholungswaldkartierung und Besucherlenkung im hessischen Wald: Mit GPS-Daten und Small-Area-Methoden die Walderholung neu denken
- 22 Die COVID-19-Trends und Impact Surveys
- 23 Mikrogeographie in der Gesundheitsforschung am Beispiel der COVID-Fälle in Bonn
- 24 Prognose regionaler Wirtschaftsaktivität mithilfe hochfrequenter Stromverbrauchsdaten
- 25 Bottom-up Economic Forecasting of Regional Unemployment in Germany
- 26 Geoinformationstechnologien (Geo-IT) für ein Data-Sciencegestütztes Sicherheitsmonitoring der Rohstoffgewinnung
- 27 Data Science in der amtlichen Statistik
- 28 Analyse und Bewertung von räumlichen Kontextfaktoren in Smart Cities – eine Studie über Parkhäuser in Mainz, Deutschland
- 29 Simulation der Notfallversorgung durch Hubschrauber in Deutschland
- 30 Datenschutz im Spannungsfeld der Coronakrise
- 31 Wissensmanagement mit Datenkatalogen und Dashboards
- Autor:innen
- Stichwortverzeichnis