No-Code Data Science

Machine Learning und Datenanalyse ohne Programmierung mit KNIME

von Philipp Grunert

424 Seiten, Taschenbuch

Kurzbeschreibung des Verlags

Vollständige Data-Science- und Machine-Learning-Projekte ohne Programmierung umsetzen

Analyse-Workflows praxisnah entwickeln, bewerten und automatisieren

Acht Praxisbeispiele aus Marketing, Finanzen, Betrugserkennung, Kundenabwanderung, Produktion, Healthcare, Diagnostik und Retail

Data Science ohne Programmierung

Dieses Buch richtet sich an Data Scientists, Data Analysts und Business Analysts, an Fach- und Führungskräfte aus den Fachabteilungen sowie an Studierende, die datengetriebene Projekte ohne Programmierung realisieren möchten. Es zeigt Ihnen, wie Sie vollständige Data-Science- und Machine-Learning-Projekte mit visuellen Workflows umsetzen. Sie bereiten Daten auf, trainieren Modelle, bewerten die Ergebnisse fachlich sowie technisch und entwickeln Workflows, die sich im Arbeitsalltag wiederverwenden und automatisieren lassen. Hierbei kommt die Open-Source-Plattform KNIME zum Einsatz.

Data-Science-Workflows in KNIME umsetzen

Als methodischer Rahmen dient der bewährte CRISP-DM-Prozess. Schritt für Schritt durchlaufen Sie Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment. Die einzelnen Phasen setzen Sie dabei direkt in KNIME um. Sie lernen, Zielgrößen sauber zu definieren, Datenrisiken zu erkennen, Schwellenwerte festzulegen und Analyseergebnisse in konkrete Entscheidungen und Prozessschritte zu überführen.

Praxisnahe Projekte für reale Anwendungsfälle

Beispielprojekte aus verschiedenen Branchen zeigen, wie sich der methodische Ansatz auf unterschiedliche Fragestellungen übertragen lässt: von Kampagnenreaktionen und Kundenabwanderung über Kreditrisiken, Betrugserkennung und Produktionsqualität bis zu Anwendungen in Healthcare, Diagnostik und Retail. So entwickeln Sie eine systematische Vorgehensweise, mit der Sie eigene Analyse-, Machine-Learning- und Automatisierungsprojekte mit KNIME realisieren können.

Aus dem Inhalt:

KNIME Analytics Platform und Workflow Editor kennenlernen

CRISP-DM als KNIME-Workflow umsetzen

Nodes konfigurieren, verbinden und ausführen

Workflows mit Metanodes strukturieren

Wiederverwendbare KNIME-Komponenten erstellen

CSV-, Excel-, Datenbank- und API-Daten anbinden

Datenprofiling, EDA und Daten-qualität prüfen

Daten transformieren und Features entwickeln

Datenquellen mit KNIME zusammenführen

Modelle mit Learner, Predictor und Scorer

Logistische Regression, Decision Trees, Random Forest und XGBoost

Cross-Validation und Hyperparameter-Tuning

Modelle bewerten: Cutoff, Top-N, Lift, ROC und Fehlerkosten

Deployment, Automatisierung, Monitoring und Drift

• Reihe: mitp Professional
• Themen: Lexika Forschung und Information, allgemein Allgemein
• ISBN: 9783747511503
• Sprache: Deutsch
• Erscheinungsdatum: 30.10.2026
• Größe: 24 x 17 cm
• Verlag: mitp Verlags GmbH & Co.KG