Nutzen Sie das Potenzial der nativen SAP-HANA-Bibliotheken!Mit SAP HANA und SAP HANA Cloud ist viel mehr möglich, als Sie denken! In diesem praktischen Handbuch erfahren Sie, wie Sie APL und PAL einsetzen können, um komplexe Auswertungen vorzunehmen und Vorhersagen zu treffen. Praktische Beispiele zu Klassifizierung, Regression und vielem mehr zeigen Ihnen die vielfältigen Möglichkeiten auf und lassen sich direkt auf Ihre Anwendungsfälle übertragen. Ideal für Data Scientists und Entwickler*innen.Aus dem Inhalt:Was ist Data Science?SAP HANA, SAP HANA Cloud und SAP Data Warehouse CloudPython, R und SQLUnivariate und Multivariate AnalyseAutomated Predictive Library Predictive Analytics LibraryGeodaten-, Graph- und TextanalyseTrainieren und Anwenden von Data-Science-ModellenIntegration in Geschäftsprozesse und Geschäftsanwendungen

Für SAP HANA, SAP HANA Cloud und SAP Data Warehouse Cloud

Autorentext
Dr. Stojan Maleschlijski ist Principal Machine Learning Expert im Global Center of Excellence der SAP Business Technology Platform (SAP BTP). In seiner Rolle konzentriert er sich seit sechs Jahren auf Unternehmen aus der Auto-, Maschinenbau-, Manufacturing-, Öl- und Gasindustrie. Er unterstützt die Kunden dabei, Mehrwerte aus Ihren Geschäfts- und/oder IoT-Daten zu extrahieren und hilft bei der Optimierung ihrer Geschäftsprozesse durch KI- und ML-Technologien. Er promovierte an der Universität Heidelberg im Bereich der Naturwissenschaften mit einem Data-Science-Bezug und vertiefte seine Expertise anschließend als Postdoc an der University of California, San Francisco.

Inhalt

Vorworte ... 11
Einleitung ... 15
1. Einführung ... 19

1.1 ... Themenabgrenzung ... 20
1.2 ... Data Science in der SAP-Welt ... 27

2. SAP HANA als Data-Science-Umgebung ... 37

2.1 ... SAP HANA ... 38
2.2 ... SAP HANA Client ... 64
2.3 ... Python-Entwicklungsumgebung ... 64

3. Erste Schritte ... 71

3.1 ... Python ... 71
3.2 ... Die R-Programmiersprache ... 84
3.3 ... Die SQL-Sprache für SAP HANA ... 89

4. Explorative Datenanalyse und Datenvorbereitung ... 99

4.1 ... Analyse einer Tabelle ... 100
4.2 ... Analyse einzelner Variablen ... 105
4.3 ... Analyse mehrerer Variablen ... 111
4.4 ... Datenvorbereitung ... 114

5. Automated Predictive Library ... 129

5.1 ... Einführung in die APL ... 131
5.2 ... Klassifizierung mit der APL ... 133
5.3 ... Regression mit der APL ... 173
5.4 ... Zeitreihen mit der APL ... 186
5.5 ... Weitere Informationen ... 211

6. Predictive Analysis Library ... 213

6.1 ... Einführung in die PAL ... 214
6.2 ... Klassifizierung mit der PAL ... 216
6.3 ... Regression mit der PAL ... 229
6.4 ... Zeitreihen mit der PAL ... 236
6.5 ... Cluster-Analyse ... 253
6.6 ... Survival Analysis ... 260
6.7 ... Ausreißeranalyse ... 282
6.8 ... Automated Machine Learning ... 289
6.9 ... State-enabled Deployment ... 299

7. Spezialisierte Analyse-Engines ... 301

7.1 ... Geodatenanalyse ... 302
7.2 ... Graphanalyse ... 317
7.3 ... Textanalyse ... 328

8. Deployment-Optionen ... 341

8.1 ... SAP Data Intelligence ... 342
8.2 ... Cloud Foundry ... 357
8.3 ... Kyma ... 363

9. Tipps und Tricks ... 377
Anhang ... 397
A. Checkliste ... 397
Die Autoren ... 401
Index ... 403