Data Science – was ist das eigentlich?!: Algorithmen des maschinellen Lernens verständlich erklärt (German Edition)

Product Description

Sie möchten endlich wissen, was sich hinter Schlagworten wie „Data Science“ und „Machine Learning“ eigentlich verbirgt – und was man alles damit anstellen kann? Auf allzu viel Mathematik würden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlüsselkonzepte der Datenwissenschaft und ihrer Algorithmen – und zwar ohne Sie mit mathematischen Formeln und Details zu belasten! Der Fokus liegt – nach einer übergeordneten Einführung – auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erläutert und mit einem leicht verständlichen, realen Anwendungsbeispiel verknüpft. Die Kombination aus intuitiven Erklärungen und zahlreichen Abbildungen ermöglicht dabei ein grundlegendes Verständnis, das ohne mathematische Formelsprache auskommt. Abschließend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt.

Review

“... das Buch nicht nur für Laien, sondern auch für den mathematisch gebildeten und interessierten Leser für eine empfehlenswerte Einführung in die Welt des maschinellen Lernens. Es unterscheidet sich von anderen populärwissenschaftlichen Büchern in erfrischender Weise durch Sachlichkeit. ... Da zu der Entscheidung, maschinelle Verfahren einzusetzen Grundkenntnisse zu den Verfahren hilfreich sind, ist dieses Buch ein nützlicher Beitrag.” (Mathematische Semesterberichte, Jg. 66, 2019)

“... zeigen anhand verständlich erläuterter, einfacher, aber plausibler Beispiele, wie diese Anwendungen erfolgen und welche Ergebnisse sie liefern. Viele Beispiele wurden der (hier auch zitierten) Literatur entnommen und können vom Leser leicht nachvollzogen werden. Man kann deshalb erwarten, dass nicht nur Studierende dieses Fachgebiets von der Lektüre profitieren werden, sondern auch Unternehmer bessere Fragen an die von ihnen beauftragten Wissenschaftler stellen können.” (Martin A. Lobeck, in: ekz-Informationsdienst, Heft 3, 2019)



From the Back Cover

Sie möchten endlich wissen, was sich hinter Schlagworten wie „Data Science“ und „Machine Learning“ eigentlich verbirgt – und was man alles damit anstellen kann? Auf allzu viel Mathematik würden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlüsselkonzepte der Datenwissenschaft und ihrer Algorithmen – und zwar ohne Sie mit mathematischen Formeln und Details zu belasten! Der Fokus liegt – nach einer übergeordneten Einführung – auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erläutert und mit einem leicht verständlichen, realen Anwendungsbeispiel verknüpft. Die Kombination aus intuitiven Erklärungen und zahlreichen Abbildungen ermöglicht dabei ein grundlegendes Verständnis, das ohne mathematische Formelsprache auskommt. Abschließend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt.

Das Buch beschreibt die Schlüsselalgorithmen der Datenwissenschaften bildlich und eingängig. Eine nützliche Einführung für Anfänger, ein guter Überblick für Geschäftsleute, die mit Analysten zusammenarbeiten, oder einfach ein anregendes Lesevergnügen für alle, die wissen wollen, was mit ihren Daten geschieht. Dr. David Stillwell, stellvertretender Direktor des Psychometrics Centre an der University of Cambridge
Dank der exzellent veranschaulichten Konzepte konnten unsere Studenten aus den nicht-technischen Fächern die abstrakten Ideen des maschinellen Lernens ganz intuitiv verstehen. Ethan Chan, Big-Data-Dozent, Stanford University



About the Author

Annalyn Ng schloss ihr Grundstudium an der University of Michigan (Ann Arbor) ab und war dort auch als Statistiktutorin tätig. Anschließend absolvierte sie ihr Master-Studium am Psychometrics Centre der University of Cambridge, indem Sie dort Social Media-Daten