Data Science in der Praxis

Der ideale Einstieg in Data Science für Praktiker. Ob mit oder ohne Mathematikkenntnisse - Sie bekommen hier den Rundumblick, den Sie für Ihre Projekte brauchen. So heben Sie den Schatz, den Daten darstellen können, wenn man sie richtig befragt. Sie lernen die einschlägigen Analysemethoden kennen, bekommen eine Einführung in die Programmiersprache R und erfahren, wie Sie maschinelles Lernen einsetzen. Und zwar inklusive dazugehöriger Werkzeuge wie Notebooks, die die Data-Science-Programmierung heutzutage so zugänglich machen. Und weil es mit der Technik allein nicht getan ist, geht das Buch auch auf Probleme der Projektdurchführung ein, beleuchtet verschiedene Anwendungsfelder und vergisst auch nicht, ethische Aspekte anzusprechen. Mit vielen Beispielen, Hinweisen für den Fehlerfall, Entscheidungshilfen und weiteren Praxistipps. Aus dem Inhalt: Erste Schritte mit R und RStudio Grundbegriffe der Statistik Vorbereitung: Daten reinigen und transformieren k-Means Clustering Lineare und nichtlineare Regression Vorhersagen, Clustering, Klassifizierung Tipps und Werkzeuge für alle Projektphasen Ihre Anwendung als REST-API bereitstellen KI und Maschinelles Lernen einsetzen Anomalieerkennung, Warenkorbanalyse und viele weitere Anwendungsfälle Machine Learning: Modelle richtig trainieren