Grundlagen der Datenwissenschaft: Mathematische Techniken und Theorien für den Erfolg in datengesteuerten Branchen

Bewertung:   (4,0 von 5)

Grundlagen der Datenwissenschaft: Mathematische Techniken und Theorien für den Erfolg in datengesteuerten Branchen (Sinan Ozdemir)

Leserbewertungen

Zusammenfassung:

Das Buch ist weithin als grundlegende Ressource für diejenigen anerkannt, die in den Bereich der Datenwissenschaft einsteigen, insbesondere für Analysten, die in diesen Bereich wechseln. Es wird für seine klaren Erklärungen und praktischen Beispiele gelobt. Viele Benutzer haben jedoch ihre Frustration über nicht funktionierende Datendateien und Code zum Ausdruck gebracht, was die Benutzerfreundlichkeit beeinträchtigt.

Vorteile:

Grundlegende Ressource für Data Science
Klare und verständliche Erklärungen komplexer Konzepte
Gut organisierte und nützliche Beispiele und Datensätze
Hochwertiges Produkt
Ideal für Anfänger und Dozenten.

Nachteile:

Datendateien funktionieren nicht, was das Üben erschwert
Viele Codebeispiele sind nicht funktionsfähig
Wahrgenommener Mangel an Korrekturlesen und Qualitätskontrolle.

(basierend auf 8 Leserbewertungen)

Originaltitel:

Principles of Data Science: Mathematical techniques and theory to succeed in data-driven industries

Inhalt des Buches:

Lernen Sie die Techniken und die Mathematik, die Sie brauchen, um Ihre Daten sinnvoll zu nutzen.

Hauptmerkmale:

⬤ Erweitern Sie Ihre Programmierkenntnisse mit der Theorie der Datenwissenschaft, um einen praktischen Einblick in die Datenwissenschaft und -analyse zu erhalten.

⬤ Mehr als nur ein Mathekurs: Lernen Sie, wie Sie mit R und Python reale datenwissenschaftliche Aufgaben lösen können.

⬤ Schaffen Sie verwertbare Erkenntnisse und verwandeln Sie Rohdaten in greifbaren Wert.

Buchbeschreibung:

Möchten Sie Ihre Programmierkenntnisse in effektive Data-Science-Fähigkeiten umwandeln? Principles of Data Science wurde entwickelt, um Ihnen zu helfen, die Punkte zwischen Mathematik, Programmierung und Geschäftsanalyse zu verbinden. Mit diesem Buch werden Sie sich sicher fühlen, komplexe und anspruchsvolle Fragen zu Ihren Daten zu stellen und zu beantworten, um von abstrakten und rohen Statistiken zu umsetzbaren Ideen zu gelangen.

Mit einem einzigartigen Ansatz, der die Kluft zwischen Mathematik und Informatik überbrückt, führt Sie dieses Buch durch die gesamte Data Science Pipeline. Beginnend mit der Bereinigung und Aufbereitung von Daten und effektiven Data-Mining-Strategien und -Techniken werden Sie sich ein umfassendes Bild davon machen, wie jedes Teil des Data-Science-Puzzles zusammenpasst. Sie lernen die Grundlagen der Computermathematik und Statistik sowie einige Pseudocodes kennen, die heute von Datenwissenschaftlern und -analysten verwendet werden. Sie werden sich mit maschinellem Lernen vertraut machen, die statistischen Modelle entdecken, die Ihnen helfen, die Kontrolle zu übernehmen und selbst die dichtesten Datensätze zu navigieren, und herausfinden, wie Sie leistungsstarke Visualisierungen erstellen, die die Bedeutung Ihrer Daten vermitteln.

Was Sie lernen werden:

⬤ Lernen Sie die fünf wichtigsten Schritte der Datenwissenschaft kennen.

⬤ Nutzen Sie Ihre Daten auf intelligente Weise und lernen Sie, wie Sie mit ihnen sorgfältig umgehen.

⬤ Überbrücken Sie die Kluft zwischen Mathematik und Programmierung.

⬤ Lernen Sie etwas über Wahrscheinlichkeit, Kalkül und die Verwendung statistischer Modelle, um Ihre Daten zu kontrollieren und zu bereinigen und verwertbare Ergebnisse zu erzielen.

⬤ Erstellen und bewerten Sie grundlegende Modelle für maschinelles Lernen.

⬤ Erforschen Sie die effektivsten Metriken, um den Erfolg Ihrer maschinellen Lernmodelle zu bestimmen.

⬤ Erstellen Sie Datenvisualisierungen, die verwertbare Erkenntnisse vermitteln.

⬤ Lesen und wenden Sie Konzepte des maschinellen Lernens auf Ihre Probleme an und machen Sie konkrete Vorhersagen.

Für wen dieses Buch geeignet ist:

Sie sollten mit den Grundlagen der Algebra einigermaßen vertraut sein und sich beim Lesen von R/Python-Schnipseln und Pseudocode wohl fühlen. Sie sollten den Drang verspüren, die in diesem Buch vorgestellten Techniken zu erlernen und entweder auf Ihre eigenen oder auf Ihnen zur Verfügung gestellte Datensätze anzuwenden. Wenn Sie über mathematische Grundkenntnisse verfügen, diese aber in der Datenwissenschaft anwenden wollen, oder wenn Sie über gute Programmierkenntnisse verfügen, aber nicht über mathematische Kenntnisse, dann ist dieses Buch genau das Richtige für Sie.

Weitere Daten des Buches:

ISBN:9781785887918
Autor:
Verlag:
Sprache:Englisch
Einband:Taschenbuch

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Feature Engineering leicht gemacht: Identifizieren Sie einzigartige Merkmale aus Ihrem Datensatz, um...
Nutzen Sie die Leistungsfähigkeit des...
Feature Engineering leicht gemacht: Identifizieren Sie einzigartige Merkmale aus Ihrem Datensatz, um leistungsstarke maschinelle Lernsysteme zu entwickeln - Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems
Feature Engineering Bookcamp
Erzielen Sie enorme Verbesserungen in Ihren Pipelines für maschinelles Lernen, ohne stundenlanges Feintuning der Parameter! Die praktischen Fallstudien...
Feature Engineering Bookcamp
Schnellstartanleitung für große Sprachmodelle: Strategien und bewährte Praktiken für die Verwendung...
Der praktische, schrittweise Leitfaden für den...
Schnellstartanleitung für große Sprachmodelle: Strategien und bewährte Praktiken für die Verwendung von Chatgpt und anderen Sprachmodellen - Quick Start Guide to Large Language Models: Strategies and Best Practices for Using Chatgpt and Other Llms
Grundlagen der Datenwissenschaft: Mathematische Techniken und Theorien für den Erfolg in...
Lernen Sie die Techniken und die Mathematik, die Sie...
Grundlagen der Datenwissenschaft: Mathematische Techniken und Theorien für den Erfolg in datengesteuerten Branchen - Principles of Data Science: Mathematical techniques and theory to succeed in data-driven industries

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)