Alles über den neuen Fachinformatik-Ausbildungsgang Daten- und ProzessanalyseDieses Buch zeigt allen Auszubildenden, worauf es im neuen Fachinformatik-Ausbildungsgang Daten- und Prozessanalyse ankommt. Sie erlernen dabei die nötigen mathematischen Grundlagen und profitieren von einer Einführung in Programmierung, Algorithmen und Machine-Learning-Verfahren. Außerdem behandelt das Buch die Geschäftsprozessanalyse. Für alle Themen kommen praxiserprobte Sprachen, Tools und Bibliotheken zum Einsatz. Darüber hinaus bietet das Buch zahlreiche Übungsaufgaben.Ideal für die Aus- und WeiterbildungGrundlagen verstehen und Wissen vertiefenEinführung in Datenanalyse und Maschinelles LernenNeuronale Netze, KI, Steuerung von Geschäftsprozessen, ERP-Systeme Aus dem Inhalt:Die Ausbildung im ÜberblickWas sind Datenanalyse, Machine Learning und KI?LogikLineare AlgebraStochastikAnalysisPython-ProgrammierkursDaten aufbereitenMachine-Learning-AlgorithmenKünstliche neuronale NetzwerkeGrundlagen der GeschäftsprozessanalyseProzessmodellierung mit BPMN 2.0Das ERP- und CRM-System dolibarrZahlreiche Übungsaufgaben

»Zahlreiche Übungsaufgaben (jeweils mit Lösungshinweisen) ermöglichen eine gute Selbstüberprüfung der Leser*innen für anstehende Prüfungen.«

Autorentext
Sascha Kersken arbeitet seit vielen Jahren als Softwareentwickler sowie als Trainer für EDV-Schulungen in den Themengebieten Netzwerke und Internet, interaktive Medien und Programmierung. Er hat zahlreiche Fachbücher und Artikel zu verschiedenen IT-Themen geschrieben.

Inhalt

Materialien zum Buch ... 11

Geleitwort ... 13

Vorwort ... 17

1. Einführung ... 23

1.1 ... Die Ausbildung im Überblick ... 23

1.2 ... Datenanalyse und künstliche Intelligenz ... 26

2. Mathematische Grundlagen ... 35

2.1 ... Logik und Mengenlehre ... 35

2.2 ... Lineare Algebra ... 60

2.3 ... Stochastik ... 77

2.4 ... Funktionen und ihre Eigenschaften ... 88

2.5 ... Übungsaufgaben ... 94

3. Programmierkurs mit Python ... 99

3.1 ... Loslegen ... 100

3.2 ... Grundelemente von Python ... 110

3.3 ... Objektorientiertes Python ... 154

3.4 ... Übungsaufgaben ... 181

4. Mit Python-Modulen arbeiten ... 183

4.1 ... Module installieren, importieren und einsetzen ... 183

4.2 ... Mathematische Module ... 186

4.3 ... Andere wichtige Module ... 202

4.4 ... Übungsaufgaben ... 220

5. Algorithmen und Datenstrukturen ... 223

5.1 ... Listen durchsuchen und sortieren ... 224

5.2 ... Nichtsequenzielle Datenstrukturen durchsuchen ... 239

5.3 ... Mit Graphen arbeiten ... 256

5.4 ... Bedingungserfüllungsprobleme ... 262

5.5 ... Genetische Algorithmen ... 271

5.6 ... Übungsaufgaben ... 294

6. Datenquellen nutzen ... 297

6.1 ... Häufig verwendete Datenquellformate ... 298

6.2 ... Mit Datenbanken arbeiten ... 314

6.3 ... Daten aufbereiten und untersuchen ... 328

6.4 ... Übungsaufgaben ... 358

7. Machine Learning ... 361

7.1 ... Überwachtes Lernen ... 361

7.2 ... Unüberwachtes Lernen ... 387

7.3 ... Übungsaufgaben ... 394

8. Künstliche neuronale Netzwerke ... 397

8.1 ... Einführung und Überblick ... 397

8.2 ... Ein neuronales Netzwerk manuell implementieren ... 402

8.3 ... Neuronale Netzwerke mithilfe von Python-Modulen einsetzen ... 413

8.4 ... Übungsaufgaben ... 417

9. Geschäftsprozessanalyse ... 419

9.1 ... Überblick ... 419

9.2 ... Prozesse mit der BPMN modellieren ... 426

9.3 ... Mit einem ERP- und CRM-System arbeiten ... 440

9.4 ... Übungsaufgaben ... 447

A. Glossar ... 451

B. Zweisprachige Wortliste ... 457

C. Kommentiertes Literatur- und Linkverzeichnis ... 463

Index ... 469