Der ideale Einstieg in Data Science! Ob Sie Mathematikkenntnisse mitbringen oder nicht, hier bekommen Sie alles, was Sie für eigene Data-Science-Projekte brauchen. Mit genau so viel Theorie, wie Sie es für die Praxis brauchen, lernen Sie, wie die wichtigsten Methoden angewendet werden. Neben R bekommen Sie dabei auch Best Practices und Werkzeuge für alle Projektphasen an die Hand.
Alles für den einfachen Einstieg in Data Science
Erste Schritte in R
Analyseverfahren verstehen
Erfolg in allen Projektphasen
Eigene Data-Science-Projekte – so steigen Sie ein
Grundlagen und erste Schritte
Ausgewählte Statistikkonzepte, eine Einführung in R und ein Grundverständnis der einschlägigen Methoden – damit legen Sie das Fundament für erfolgreiche Data-Science-Projekte. Profitieren Sie von zahlreichen Anleitungen und Praxistipps.
Verfahren auswählen und anwenden
Hier lernen Sie Verfahren für die verschiedensten Anwendungsfälle kennen. So bauen Sie sich ein sicheres Methoden-Repertoire auf und haben immer das passende Werkzeug zur Hand.
KI und Machine Learning
KI und maschinelles Lernen sind Schlüsseltechnologien für die Analyse unstrukturierter Daten. Lernen Sie die mathematischen Verfahren kennen, mit denen Sie echte Erkenntnisse gewinnen.
Werkzeuge und mehr
Mit der Analyse allein ist es nicht getan. Freuen Sie sich auf Praxistipps zum Projektmanagement, zu Werkzeugen wie Git und zur gelungenen Kommunikation mit Stakeholdern.
Mit allen Codebeispielen zum Download
Aus dem Inhalt
Basiswissen
Statistische Grundlagen
Ablauf eines Data-Science-Projekts
Erste Schritte mit R und RStudio
Verfahren und Tools
Daten reinigen und transformieren
Lineare und nichtlineare Regression, Anomalieerkennung
Data Science ist ein noch recht junges Feld, doch haben sich einige Best Practices durchgesetzt. Tom Alby erläutert in dieser Leseprobe, was zum Managen eines Data-Science-Projekts notwendig ist. Die Best Practices erstrecken sich von der Anforderungsanalyse über die Akquise und Daten-Reinigung und weitere Faktoren bis zum Test und Rollout eines Projekts. In Kapitel 7 werden anschließend in einem praktischen Beispiel mittels hierarchischem Clustering Muster in Daten identifiziert, um z.B. Kundensegmente daraus abzuleiten.
Wer hat’s geschrieben?
Tom Alby beschäftigt sich seit 1994 mit dem Web und seinen Technologien. Seitdem treibt der vom Wirtschaftsmagazin brand eins als "Datenfreak" bezeichnete Digitalexperte Innovationen bei Unternehmen wie Google, Bertelsmann und BBDO voran. Zudem unterrichtet er Digital Analytics, u. a. an der Hochschule für Angewandte Wissenschaften Hamburg.
Data Science in der Praxis
Eine verständliche Einführung in alle wichtigen Verfahren
Die Rundumversorgung für Ihre Data-Science-Projekte!
Verlag
Rheinwerk Verlag
Fassung
360 Seiten, Softcover
Erschienen
02/2022
ISBN
978-3-8362-8462-2 9783836284622
Buch
€29,90 inkl. MwSt.
Best.-Nr.: RW-8462
Versandkostenfrei (D)
Sofort lieferbar
eBook (PDF)
€inkl. MwSt.
Best.-Nr.:
Data Science in der Praxis
Eine verständliche Einführung in alle wichtigen Verfahren
Die Rundumversorgung für Ihre Data-Science-Projekte!
Best.-Nr.: RW-8462 Sofort lieferbar
€29,90 inkl. MwSt.
Versandkostenfrei (D)
Best.-Nr.:
eBook (PDF)
€inkl. MwSt.
Data Science in der Praxis
Eine verständliche Einführung in alle wichtigen Verfahren
Die Rundumversorgung für Ihre Data-Science-Projekte!
