Data Science in der Praxis

Eine verständliche Einführung in alle wichtigen Verfahren. 1. Auflage

EAN 9783836284646

FORMAT WÄHLEN

34,90 €
inkl. MwSt.

Artikel erhalten

Sofort Lieferbar (Download)

Auf die Wunschliste

360 Seiten

März 2022

Rheinwerk eBooks

Der ideale Einstieg in Data Science für Praktiker! Ob mit oder ohne Mathematikkenntnisse: Hier bekommen Sie 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 und bekommen eine Einführung in die Programmiersprache R, die sich zur Datenanalyse bestens eignet. 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.- Erfolgsfaktoren und Tools für alle Projektphasen- Mit Anwendungsbeispielen für verschiedene Fachgebiete - Von der Anforderungsanalyse über die Datenakquise bis zur Visualisierung 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

Tom Alby ist Chief Digital Transformation Officer bei dem Kreditversicherer 'Euler Hermes' für Deutschland, Österreich und die Schweiz. Er unterrichtet Datenanalyse als Lehrbeauftragter an der Hochschule für Angewandte Wissenschaften Hamburg (HAW).

Materialien zum Buch ... 13
1. Einleitung ... 15
1.1 ... Warum dieses Buch? ... 15
1.2 ... Das Zeitalter der Daten -- alles nur ein Hype? ... 16
1.3 ... Warum nun Data Science? ... 17
1.4 ... Warum Data Science mit R? ... 19
1.5 ... Für wen ist dieses Buch? ... 20
1.6 ... Kann man Data Science ohne Mathe lernen? ... 20
1.7 ... Wie Sie dieses Buch verwenden können ... 22
1.8 ... Materialien und Kontakt ... 22
1.9 ... Danksagungen ... 22
2. Machine Learning, Data Science und künstliche Intelligenz ... 25
2.1 ... Aus der Geschichte lernen -- alles nur ein Hype? ... 25
2.2 ... Begriffsdefinitionen ... 34
3. Ablauf eines Data-Science-Projekts ... 39
3.1 ... Der allgemeine Ablauf eines Data-Science-Projekts ... 39
3.2 ... Business Understanding: Welches Problem soll gelöst werden? ... 43
3.3 ... Grundsätzliche Ansätze im Machine Learning ... 47
3.4 ... Performancemessung ... 49
3.5 ... Kommunikation mit Stakeholdern ... 57
3.6 ... Aus dem Labor in die Welt: Data-Science-Applikationen in Produktion ... 58
3.7 ... Die verschiedenen Rollen in einem Data-Science-Projekt ... 59
4. Einführung in R ... 67
4.1 ... R: kostenlos, portierbar und interaktiv ... 67
4.2 ... Installation und Konfiguration von R und RStudio ... 74
4.3 ... Erste Schritte mit R ... 89
5. Explorative Datenanalyse ... 111
5.1 ... Daten: Sammlung, Reinigung und Transformation ... 112
5.2 ... Notebooks ... 117
5.3 ... Das Tidyverse ... 123
5.4 ... Datenvisualisierung ... 137
5.5 ... Datenanalyse ... 148
6. Anwendungsfall Prognosen ... 159
6.1 ... Lineare Regression ... 159
6.2 ... Anomalie-Erkennung ... 176
7. Clustering ... 185
7.1 ... Hierarchisches Clustering ... 185
7.2 ... k-Means ... 197
8. Klassifikation ... 207
8.1 ... Anwendungsfälle für eine Klassifikation ... 207
8.2 ... Trainings- und Testdaten erstellen ... 209
8.3 ... Decision Trees ... 217
8.4 ... Support Vector Machines ... 221
8.5 ... Naive Bayes ... 226
8.6 ... XG Boost: Der Newcomer ... 232
8.7 ... Klassifikation von Text ... 238
9. Weitere Anwendungsfälle ... 245
9.1 ... Warenkorbanalyse -- Association Rules ... 245
9.2 ... k-nearest Neighbours ... 254
10. Workflows und Werkzeuge ... 267
10.1 ... Versionierung mit Git ... 267
10.2 ... Mit großen Datenmengen umgehen ... 277
10.3 ... Applikationen via API bereitstellen ... 287
10.4 ... Applikationen erstellen mit Shiny ... 292
11. Ethischer Umgang mit Daten und Algorithmen ... 307
11.1 ... Datenschutz ... 307
11.2 ... Ethik: Gegen Profiling und Diskriminierung ... 317
12. Was kommt nach diesem Buch? ... 325
12.1 ... Projekte, Projekte, Projekte ... 325
12.2 ... Wer hilft Ihnen jetzt weiter? ... 329
12.3 ... RSeek ... 335
Anhang ... 337
A ... Typische Fehlermeldungen und geeignete Lösungen ... 339
B ... Glossar ... 343
C ... Literatur ... 347
Index ... 353

Sie können dieses eBook zum Beispiel mit den folgenden Geräten lesen:

• tolino Reader

Laden Sie das eBook direkt über den Reader-Shop auf dem tolino herunter oder übertragen Sie das eBook auf Ihren tolino mit einer kostenlosen Software wie beispielsweise Adobe Digital Editions.

• Sony Reader & andere eBook Reader

Laden Sie das eBook direkt über den Reader-Shop herunter oder übertragen Sie das eBook mit der kostenlosen Software Sony READER FOR PC/Mac oder Adobe Digital Editions auf ein Standard-Lesegeräte.

• Tablets & Smartphones

Möchten Sie dieses eBook auf Ihrem Smartphone oder Tablet lesen, finden Sie hier unsere kostenlose Lese-App für iPhone/iPad und Android Smartphone/Tablets.

• PC & Mac

Lesen Sie das eBook direkt nach dem Herunterladen mit einer kostenlosen Lesesoftware, beispielsweise Adobe Digital Editions, Sony READER FOR PC/Mac oder direkt über Ihre eBook-Bibliothek in Ihrem Konto unter „Meine eBooks“ - „online lesen“.

Bitte beachten Sie, dass die Kindle-Geräte das Format nicht unterstützen und dieses eBook somit nicht auf Kindle-Geräten lesbar ist.