Links im Buch

Hier finden Sie nach den Seitenzahlen geordnet alle Links, die im Buch vorkommen (bei fehlenden oder falschen Links bitten wir um eine kurze Nachricht über das Kontaktformular).

Vorwort

S. VII   https://www.degruyter.com
S. VII   http://www.smart-data-analytics.de (ok, den kennen Sie schon 😉
S. VII   http://www.sdsc-bw.de
S. VII   http://right-anwaltskanzlei.de

Kapitel 1 Einleitung

S. 2   https://de.wikipedia.org/wiki/Matthew_Fontaine_Maury
S. 3   http://www.forbes.com/sites/gilpress/2013/05/09/a-very-short-history-of-big-data/
S. 4   http://www.nytimes.com/2012/02/19/magazine/shopping-habits.html
S. 8   http://www.theaustralian.com.au/business/media/digital/facebook-targets-insecureyoung-people-to-sell-ads/news-story/a89949ad016eee7d7a61c3c30c909fa6?nk=b7bac4079848d1f0708bfadb65681860-1493734909 Achtung: dieser Link funktioniert leider nur noch, wenn man den Zugang zum „Australian“ kauft. Ein anderer Artikel zu diesem Thema findet sich hier: https://www.theguardian.com/technology/2017/may/01/facebook-advertising-data-insecure-teens oder hier: http://www.news.com.au/technology/online/social/leaked-document-reveals-facebook-conducted-research-to-target-emotionally-vulnerable-and-insecure-youth/news-story/d256f850be6b1c8a21aec6e32dae16fd
S. 17   http://sdsc-bw.de/rolfbenz
S. 18   http://sdsc-bw.de/herrenknecht
S. 20   http://sdsc-bw.de/huberverlag
S. 22   http://www.scc.kit.edu
S. 22   http://www.teco.edu
S. 22   http://www.sicos-bw.de
S. 23   http://www.hlrs.de
S. 23   https://www.sicos-bw.de/solution-center
S. 23   http://www.sdil.de
S. 24   http://www.bmwi.de/Redaktion/DE/Artikel/Digitale-Welt/nationaler-it-gipfel.html

Kapitel 2 Grundlagen

S. 26   https://twitter.com/garybernhardt/status/600783770925420546
S. 27   https://cdn.rawgit.com/lukegb/yourdatafitsinram/bcbbc220/index.html
S. 27   http://blogs.forrester.com/mike_gualtieri/12-12-05-the_pragmatic_definition_of_big_data
S. 27   https://mapr.com/blog/top-10-big-data-challenges-serious-look-10-big-data-vs/
S. 41   https://sites.google.com/site/schilit/wmc-94-schilit.pdf
S. 47   https://github.com/humphd/have-fun-with-machine-learning
S. 71   https://www.otexts.org/fpp/2/5
S. 73   http://www.tylervigen.com/spurious-correlations
S. 86   https://github.com/KaimingHe/resnet-1k-layers
S. 87   http://people.idsia.ch/~juergen/firstdeeplearner.html
S. 91   https://devblogs.nvidia.com/parallelforall/deep-learning-nutshell-core-concepts/
S. 91   http://www.cs.toronto.edu/~rgrosse/cacm2011-cdbn.pdf
S. 101   https://developers.google.com/search/docs/guides/intro-structured-data

Kapitel 3 Visualisierung und Interpretation

S. 106   http://www.duden.de/node/673173/revisions/1355178/view
S. 107   https://de.wikipedia.org/wiki/Information#Verwandte_Begriffe
S. 112   https://de.wikipedia.org/wiki/Marskanäle
S. 124   https://commons.wikimedia.org/wiki/File:Viegas-UserActivityonWikipedia.gif
              Lizenz: https://creativecommons.org/licenses/by/2.0
S. 125   https://www.research.ibm.com/visual/projects/chromogram.html
              http://hint.fm/papers/chromograms.pdf
S. 125   http://v8project.blogspot.ca/2015/12/theres-mathrandom-and-then-theres.html
S. 126   https://medium.com/@betable/tifu-by-using-mathrandom-f1c308c4fd9d#.eku9jo5a4
S. 129   http://www.slideshare.net/jmgf2009/presentations
S. 131   https://commons.wikimedia.org/wiki/File:Sna_large.png
https://de.wikipedia.org/wiki/K%C3%B6nigsberger_Br%C3%BCckenproblem
S. 133   https://de.wikipedia.org/wiki/Problem_des_Handlungsreisenden
https://blogs.microsoft.com/blog/2016/12/14/location-data-growsmicrosoft-partners-mapping-companie
S. 134   https://de.slideshare.net/neo4j/graphtalk-frankfurt-semantisches-pdm-bei-schleich
S. 135   https://neo4j.com/product
S. 135   http://orientdb.com
S. 135   http://systemg.research.ibm.com
S. 138   https://commons.wikimedia.org/wiki/File:Wikiviz_datatelling_WikiGlobalReach1.png
S. 138   https://blog.wikimedia.org/2011/10/06/a-thousand-fibers-connect-us-wikivizwinner-visualize-wikipedias-global-reach/
S. 138   https://bost.ocks.org/mike/uberdata
S. 146   https://de.wikipedia.org/wiki/Filmgeschichte#/media/File:Muybridge_race_horse_animated.gif
S. 150   http://cs.swansea.ac.uk/~cschung/files/chung14glyphSorting.pdf
S. 161   https://open.nrw/de/dataset/diversity-kalenderkoeln-k
S. 161   https://www.dwd.de/DE/leistungen/klimadatendeutschland/klimadatendeutschland.html

Kapitel 4 Praxisbeispiele

S. 210   https://en.wikipedia.org/wiki/Pareto_efficiency

Kapitel 5 Organisatorische Anforderungen

S. 224   https://blogs.technet.microsoft.com/machinelearning/2016/03/28/how-to-do-datascience/
S. 226   https://blogs.technet.microsoft.com/machinelearning/2016/03/28/howto-do-data-science/
S. 227   https://gallery.cortanaintelligence.com/Experiment/Methods-for-handling-missingvalues-1
S. 228   https://gallery.cortanaintelligence.com/Experiment/Create-useful-features-for-trains-1
S. 229   https://de.wikipedia.org/wiki/Data-Mining
S. 229   http://www.danah.org/papers/talks/2010/WWW2010.html
S. 230  https://the-modeling-agency.com/crisp-dm.pdf
ftp://ftp.software.ibm.com/software/analytics/spss/support/Modeler/Documentation/14/UserManual/CRISP-DM.pdf
S. 233   http://sdil.de/downloads/sdic-2016-konferenzband.pdf
S. 234   https://www.researchgate.net/publication/220254274_A_survey_of_data_mining_and_knowledge_discovery_process_models_and_methodologies
http://www.kdnuggets.com/polls/2014/analytics-data-mining-data-sciencemethodology.html
S. 243   https://www.bitkom.org/noindex/Publikationen/2015/Leitfaden/Big-Data-und-Geschaeftsmodell-Innovationen/151229-Big-Data-und-GM-Innovationen.pdf
S. 246   http://www.pcwelt.de/news/Navigation-TomTom-verkauft-Geschwindigkeits-Datenan-die-Polizei-1544623.html
S. 250   http://cacm.acm.org/blogs/blog-cacm/181547-why-the-data-lake-is-really-a-dataswamp/fulltext#
S. 252   https://hbr.org/2013/04/the-hidden-biases-in-big-data
S. 254   http://www.bath.ac.uk/news/2017/04/13/biased-bots-artificial-intelligence/
S. 254   https://www.ftc.gov/system/files/documents/reports/big-data-tool-inclusion-orexclusion-understanding-issues/160106big-data-rpt.pdf
S. 255   http://www.oreilly.com/data/free/files/being-a-data-skeptic.pdf
S. 262   http://www.i-programmer.info/news/105-artificial-intelligence/7352-the-flawlurking-in-every-deep-neural-net.html

Kapitel 6 Datenschutz und Schutzrechte

S. 263   http://www.right-anwaltskanzlei.de
S. 264   https://www.gesetze-im-internet.de/index.html
S. 275   https://www.datenschutz.hessen.de/tb44k04.htm

Kalitel 7 Technologie

S. 300   https://www.researchgate.net/profile/Richard_Hackathorn/publication/228498840
S. 304   http://dmg.org
S. 305   http://openscoring.io
S. 308   https://www.wired.com/2012/07/google-colossus/
S. 308   https://wiki.apache.org/hadoop/MountableHDFS
S. 313   https://developer.yahoo.com/hadoop/tutorial/module4.html
S. 314   https://arxiv.org/pdf/1207.0141
S. 315   http://mahout.apache.org/users/basics/algorithms.html
S. 316   https://github.com/apache/spark/blob/master/examples/src/main/python/wordcount.py
S. 316   http://spark.apache.org/docs/latest/index.html
S. 318   https://mapr.com/resources/videos/parallel-and-iterative-processing-machinelearning-recommendations-spark/
S. 318   http://ampcamp.berkeley.edu
S. 318   https://www.youtube.com/user/TheApacheSpark/playlists
S. 318   https://github.com/databricks/spark-training passend zu https://spark-summit.org/2014/training/
S. 319   https://kkovacs.eu/cassandra-vs-mongodb-vs-couchdbvs-redis
S. 325   http://drops.dagstuhl.de/opus/volltexte/2011/2985/pdf/10201.SWM.2985.pdf
S. 318   https://engineering.linkedin.com/kafka/benchmarking-apache-kafka-2-millionwrites-second-three-cheap-machines
S. 329   https://www.confluent.io/blog/turning-the-database-inside-out-with-apachesamza/
S. 331   https://www.tensorflow.org/get_started/graph_viz
S. 335   http://panko.shidler.hawaii.edu/SSR/Mypapers/whatknow.htm
S. 335   https://www.bloomberg.com/news/articles/2013-04-18/faq-reinhart-rogoff-and-theexcel-error-that-changed-history
S. 336   https://www.cs.bham.ac.uk/research/projects/poplog/isl-docs/clementine.html
S. 337   https://www.ibm.com/support/knowledgecenter/SS3RA7_17.0.0/modeler_mainhelp_client_ddita-gentopic1.html
S. 338   https://de.wikipedia.org/wiki/GNU_Affero_General_Public_License
S. 339   https://de.wikipedia.org/wiki/GNU_General_Public_License
S. 341   https://github.com/josephmisiti/awesome-machine-learning
S. 342   https://www.uni-marburg.de/fb12/arbeitsgruppen/datenbionik/pdf/pubs/2007/WSOM07musicMining
S. 343   http://stats.stackexchange.com/
S. 344   http://spark.apache.org/docs/latest/sparkr.html
S. 344   https://cs.stanford.edu/matei/papers/2016/sigmod_sparkr.pdf
S. 344   https://cran.r-project.org/web/views/HighPerformanceComputing.html
S. 345   https://github.com/Robinlovelace/R-for-Big-Data
S. 348   http://scikit-learn.org/stable/modules/scaling_strategies.html
S. 352   https://github.com/josephmisiti/awesome-machine-learning
S. 352   http://nbviewer.jupyter.org/

Kapitel 8 Wirtschaftliche Betrachtung

S. 377   https://de.wikipedia.org/wiki/Jahr-2038-Problem
S. 383   http://nvlpubs.nist.gov/nistpubs/Legacy/SP/nistspecialpublication800-145.pdf
S. 398   http://www.handelsblatt.com/unternehmen/it-medien/kampf-um-daten-mit-demlkw-in-die-cloud/14924238.html
S. 404   https://kuhno92.github.io/
S. 406   https://de.wikipedia.org/wiki/Erkenntnis

Kapitel 9 Epilog

S. 411   http://www.spiegel.de/wirtschaft/unternehmen/facebook-gruender-markzuckerberg-kauft-grundstuecke-um-sein-haus-a-927497.html
S. 411   https://www.wired.de/collection/business/facebook-quartalsbericht-gewinn-umsatzwachstum-whatsapp
S. 413   https://www.nature.com/articles/srep02923
S. 413   http://science.sciencemag.org/content/327/5968/1018
S. 414   https://netzpolitik.org/2015/dystopia-wird-wirklichkeit-was-ist-dran-an-chinassocial-credit-system/
S. 419   http://www.smart-dataanalytics.de
S. 420   https://www.ftc.gov/system/files/documents/reports/big-data-toolinclusion-or-exclusion-understanding-issues/160106big-data-rpt.pdf
S. 421   https://www.nature.com/articles/srep01376
S. 421   http://science.sciencemag.org/content/327/5968/1018