Big Data
132 Inhalte
Entdecken Sie unser Archiv zu tiefgehenden Inhalte zum Thema Big Data.
Die Datenwissenschaften beschreiben den Prozess, Wissen und Charakteristiken aus Daten zu extrahieren. Die Künstliche Intelligenz (KI) ist ein Teilgebiet der Datenwissenschaften und beschreibt KI-Systeme oder KI-Anwendungen, die ein menschenähnliches Verhalten zeigen. Eine KI kann es auch ermöglichen, Entscheidungen wie ein Mensch zu treffen. Beispiele dafür sind Sprachassistenten, die sich mittle..

Medizin-Benchmarking birgt großes Potenzial in sich, indem es Maßnahmen zur deutlichen Steigerung der Qualität von medizinischen Behandlungen bei sinkenden Kosten identifiziert. Adäquates Benchmarking ist an sich komplex und mittels Routinedaten in Krankenhäusern nicht unmittelbar machbar. Medizin-Benchmarking in Routine erfordert den Einsatz Künstlicher Intelligenz (KI). KI hat sich die letzten J..

Big Data
Anwendungssoftware
IT-Karriere
Mit modernen Tools vom Fachbereichsanwender zum Data Analyst
Die fortschreitende Digitalisierung führt dazu, dass immer mehr Daten aus unterschiedlichen Bereichen erfasst werden. Viele Firmen möchten hiervon profitieren und setzen sich zum Ziel, zur Data-Driven Company zu werden. Dadurch verändern sich nicht nur die Anforderungen an die Technik – auch Mitarbeiter stehen vor ganz neuen Herausforderungen: Sie müssen zum Data Analyst werden, um ihre Aufgaben b..

Augmented Analytics beschreibt das Prinzip der von Fachanwendern gesteuerten Übersetzung von Daten in Erkenntnisse und Handlungen im Business-Kontext. Das Ziel ist die Analyse von Daten und die Automatisierung daraus gewonnener Handlungsempfehlungen, damit sie leicht von Fachanwendern gesteuert und verwendet werden können. Dies umfasst die Datenaufbereitung zur Sicherstellung einer hohen Datenqual..

Dieser Artikel zeigt auf, wie Architekturen für die Speicherung, Verarbeitung und Analyse von IoT-Daten beschaffen sein sollten. Es wird untersucht, wann und welche Daten dezentral auf Edge-Knoten und zentral in der Cloud gespeichert werden sollten. Ein wichtiger Aspekt dabei ist auch ob, wann, wo, wie und welche Daten (vor-) aggregiert werden sollen. Ebenso wird darauf eingegangen, wo welche Art ..
