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