Data Warehousing und Data Mining: Eine Einführung in entscheidungsunterstützende Systeme: Springer-Lehrbuch

1 Entscheidungsunterstutzende Systeme.- 1.1 Entscheidungen.- 1.2 Entscheidungsunterstützende Systeme.- 1.3 Entscheidungsunterstützende Methoden.- 2 Analytischer Hierarchieprozess.- 2.1 Unterrichtsmaterial.- 2.2 Grundlagen.- 2.3 Messproblematik.- 2.4 Anwendung mit ExpertChoice.- 2.5 Ein Blick in die Blackbox.- 2.6 AHP im Vergleich.- 3 Was-Wenn-Analyse.- 3.1 Unterrichtsmaterial.- 3.2 Elementare Verfahren.- 3.3 Lineare Optimierung.- 3.4 Lineare Optimierung im Vergleich.- 4 Regelbasierte Systeme.- 4.1 Unterrichtsmaterial.- 4.2 Grundlagen.- 4.3 Regeln und Entscheidungsbäume.- 4.4 Anwendung mit XpertRule KBS.- 4.5 Ein Blick in die Blackbox.- 4.6 Expertensysteme in der Praxis.- 4.7 Regelbasierte Systeme im Vergleich.- 5 Data Warehousing.- 5.1 Grundlagen.- 5.2 Endbenutzerzugriff.- 5.3 Modellierung.- 5.4 Entwicklung und Betrieb.- 5.5 Aufgabenteilung in Rechnernetzen.- 6 Data Mining — Ein Öberblick.- 6.1 Anwendungen.- 6.2 Datenanalyse.- 6.3 Methoden.- 6.4 Visualisierung.- 6.5 Werkzeuge.- 7 Regelinduktion.- 7.1 Unterrichtsmaterial.- 7.2 Wissenserwerb für regelbasierte Systeme.- 7.3 Klassifikation.- 7.4 Anwendung mit XpertRule Profiler.- 7.5 Ein Blick in die Blackbox.- 7.6 Regelinduktion im Vergleich.- 8 Neuronales Lernen.- 8.1 Unterrichtsmaterial.- 8.2 Grundlagen.- 8.3 Anwendung mit Neural Works Predict.- 8.4 Ein Blick in die Blackbox.- 8.5 Neuronale Netze im Vergleich.- Anleitung zur CD ROM.- Stichwortverzeichnis.

Über die Beschreibung entscheidungsunterstützender Systeme hinaus Einführung in repräsentative Software Praktisches Programmieren mit der Demonstrationssoftware Mit interaktiver Foliensammlung Includes supplementary material: sn.pub/extras