• Medientyp: E-Book
  • Titel: Kollektive Intelligenz analysieren, programmieren und nutzen
  • Beteiligte: Segaran, Toby [Verfasser:in]; Demmig, Thomas [Mitwirkende:r]
  • Erschienen: Köln: O'Reilly Verlag, 2008
  • Ausgabe: 1. Aufl.
  • Umfang: xviii, 367 p; ill; 24 cm
  • Sprache: Deutsch
  • ISBN: 9783897217805; 3897217805
  • Schlagwörter: Information technology ; Social aspects ; Internet programming ; Electronic books ; local
  • Entstehung:
  • Anmerkungen: Title from resource description page (viewed April 23, 2009). - "Übersetzung und deutsche Bearbeitung: Thomas Demmig, Mannheim" --P. iv. - Includes index. - Text in German translated from English
  • Beschreibung: Sie wollen wissen, wie Rankings, Produktempfehlungen, Social Bookmarking und Online-Partnerbörsen technisch funktionieren? Dieses außergewöhnliche Buch zeigt Ihnen, wie Sie Web 2.0-Applikationen bauen, mit denen Sie die riesigen Datenmengen durchsuchen und analysieren können, die von den Benutzern aktueller Webanwendungen täglich erzeugt werden. Es nimmt Sie mit in die Welt des maschinellen Lernens und der Statistik und erklärt, wie Sie Schlussfolgerungen aus User Experience, persönlichen Vorlieben und menschlichem Verhalten ziehen. User-Daten und UGC für Ihre Web 2.0-Apps nutzen: Dieses Buch erläutert anschaulich, wie aus User Generated Content mit den richtigen Algorithmen "kollektive Intelligenz" destilliert werden kann und wie Sie daraus einen echten Mehrwert für Ihre Web 2.0-Anwendungen generieren. Mit den ausgereiften Algorithmen in diesem Buch können Sie raffinierte Programme schreiben, die Sie direkt für Ihre Website-Projekte nutzen können. Die Faszination der Algorithmen entdecken: Toby Segaran geht ganz praktisch an das spannende, aber komplexe Thema heran. Er zeigt an leicht verständlichen Beispielen, wie die Algorithmen zum maschinellen Lernen funktionieren. Er erklärt beispielsweise: kollaborative Filtertechniken, die es Online-Händlern erlauben, Produkte oder Medien zu empfehlen Cluster-Methoden, die Gruppen ähnlicher Objekte in einem größeren Datenbestand entdecken Optimierungs-Algorithmen, die Millionen von möglichen Lösungen eines Problems durchsuchen und die beste auswählen Bayes'sches Filtern, das in Spam-Filtern zum Klassifizieren von Dokumenten genutzt wird Support-Vektor-Maschinen, die Personen in Online-Dating-Sites zusammenzubringen Jeder Algorithmus ist kurz und prägnant durch gut nachvollziehbaren Python-Code beschrieben. Der Bezug zu realen Sites wie Facebook, ebay oder del.icio.us sowie zahlreiche Übungen machen Lust auf mehr, wecken den Spiel- und Experimentiertrieb - und zeigen Ihnen viele neue Techniken, mit denen Sie Ihre Web 2.0-Website noch interessanter machen.