Data Science praxisnah und anschaulich erklärt
Dieser Crashkurs ermöglicht Ihnen einen praxisnahen Einstieg in Data Science, mit anschaulichen Erklärungen und zahlreichen Anwendungsbeispielen, unterstützt durch interaktive Elemente. Er richtet sich an alle, die mehr über die Möglichkeiten der Datenanalyse lernen wollen, ohne gleich tief in die Theorie oder bestimmte Methoden einzusteigen.
Der benötigte Python-Quelltext, der z.B. zur Durchführung von Analysen oder zur Erstellung von Visualisierungen verwendet wird, ist in Form von Jupyter-Notebooks frei verfügbar.
Aus dem Inhalt
- Der Prozess von Data-Science-Projekten
- Allgemeines zur Datenanalyse
- Erkunden der Daten
- Assoziationsregeln
- Clusteranalyse
- Klassifikation
- Regression
- Zeitreihenanalyse
- Text Mining
- Statistik
- Big Data Processing
Zu den Methoden, um Daten zu verstehen, gehören zweifelsohne Visualisierungen, da wir visuelle Informationen schneller verarbeiten können. Auf diese Werkzeuge zur Erkundung von Daten geht Teil 2 dieser LP näher ein.
Wer hat's geschrieben?
Dr. Steffen Herbold ist Professor für Methoden und Anwendungen maschinellen Lernens am Institut für Software und Systems Engineering der Technischen Universität Clausthal, wo er die Forschungsgruppe AI Engineering leitet. Zuvor hat er an der Universität Göttingen promoviert und habilitiert und am Karlsruher Institut für Technologie einen Lehrstuhl vertreten. In der Forschung beschäftigt er sich mit der Entwicklung und Qualitätssicherung der Lösung von Problemen durch maschinelles Lernen, z.B. zur effizienteren Softwareentwicklung, der Prognose von Ernteerträgen oder auch der Erkennung von aeroakustischen Geräuschquellen.

