Data Science in der Praxis

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