Steffen Herbold

Data Science Crashkurs

Eine interaktive und praktische Einführung

29,90 

Enthält 7% MwSt.
Kostenloser Versand

Lieferbar voraussichtlich ab 11.2021

Sie müssen sich registrieren, um die Warteliste nutzen zu können. Bitte melden Sie sich an oder erstellen Sie ein Konto
Erscheinungsdatum: Voraussichtlich 11.2021Seitenanzahl: 230Verlag: dpunkt.verlagEinband: komplett in Farbe, Broschur ISBN Print: 978-3-86490-862-0ISBN Bundle: 978-3-96910-621-1ISBN PDF: 978-3-96910-618-1ISBN ePub: 978-3-96910-619-8ISBN Mobi: 978-3-96910-620-4 Artikelnummer: 8568

Data Science praxisnah erklärt

  • Praxisnaher Einstieg mit anschaulichen Erklärungen und zahlreichen Anwendungsbeispielen, unterstützt durch interaktive Elemente
  • Für alle, die mehr über die Möglichkeiten der Datenanalyse lernen wollen, ohne gleich tief in die Theorie oder bestimmte Methoden einzusteigen

»Data Science Crashkurs« bietet einen praxisnahen Einstieg in Data Science, angereichert mit interaktiven Elementen, der die Breite der Möglichkeiten der Datenanalyse aufzeigt. Dieses Buch geht tief genug, um Vorteile, Nachteile und Risiken zu verstehen, aber steigt dennoch nicht zu tief in die zugrunde liegende Mathematik ein. Es wird nicht nur erklärt, wofür wichtige Begriffe wie Big Data, machinelles Lernen oder Klassifikation stehen, sondern auch anschaulich mit zahlreichen Beispielen aufgezeigt, wie Daten analysiert werden. Ein breiter Überblick über Analysemethoden vermittelt das nötige Wissen, um in eigenen Projekten geeignete Methoden auszuwählen und anzuwenden, um das gewünschte Ergebnis zu erreichen.

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.

Steffen Herbold

PD Dr. Steffen Herbold ist Vertretungsprofessor für Methoden und Anwendungen maschinellen Lernens an der TU Clausthal. Er hat zuvor an der Universität Göttingen promoviert und habilitiert und am Karlsruher Institut für Technologie einen Lehrstuhl vertreten. In der Forschung beschäftigt er sich mit der Lösung von Problemen durch maschinelles Lernen, zum Beispiel zur effizienteren Softwareentwicklung, der Prognose von Ernteerträgen, oder auch der Erkennung von aeroakoustischen Geräuschquellen.

  • Data Scientists
  • Datenanalyst*innen
  • Studierende der Informatik und Wirtschaftsinformatik
  • Interessierte Domänenexpert*innen und Nebenfächler*innen, die häufig Kontakt zu Daten haben
Zu diesem Titel sind aktuell leider keine Links vorhanden!