Werde ein Data Head
Data Science, Machine Learning und Statistik verstehen und datenintensive Jobs meistern
Diese Publikation zitieren
Accesses
Quotes
Beschreibung / Abstract
Fundierte Datenkompetenz für den Arbeitsplatz entwickeln - auch ohne Programmierkenntnisse
- Jenseits der Buzzwords: zentrale Konzepte in Data Science, Statistik und Machine Learning wirklich verstehen
- Das Buch vermittelt Grundwissen und eine datenorientierte Denkweise anhand klarer, gut nachvollziehbarer Alltagsbeispiele
- Es schließt die Kommunikationslücke zwischen Data Scientists, Führungskräften und all denjenigen, die täglich mit Daten umgehen müssen
Dieses Buch ist ein umfassender Leitfaden für das Verständnis von Datenanalyse am Arbeitsplatz. Alex Gutman und Jordan Goldmeier lüften den Vorhang der Data Science und geben Ihnen die Sprache und die Werkzeuge an die Hand, die Sie benötigen, um informiert mitreden zu können, kritisch über die Auswertung von Daten zu sprechen und die richtigen Fragen zu stellen. Dank dieses Buchs kann jede:r ein Data Head werden und aktiv an Data Science, Statistik und Machine Learning teilnehmen - auch ohne einen technischen Background.
In diesem unterhaltsamen und gut verständlichen Buch werden die aktuellen, zum Teil komplexen Data-Science- und Statistik-Konzepte anhand einfacher Beispiele und Analogien veranschaulicht. Sie lernen statistisches Denken, das Vermeiden häufiger Fallstricke bei der Interpretation von Daten, und Sie erfahren, was es mit Machine Learning, Textanalyse, Deep Learning und künstlicher Intelligenz wirklich auf sich hat. Wenn Sie in Ihrem Unternehmen konkret mit Daten arbeiten, Führungskraft oder angehender Data Scientist sind, zeigt Ihnen dieses Buch, wie Sie ein echter Data Head werden.
Beschreibung
Inhaltsverzeichnis
- BEGINN
- Inhalt
- Vorwort
- Einleitung
- Die Data-Science-Industrie
- Warum uns das Thema so wichtig ist
- Daten am Arbeitsplatz
- Sie können das große Ganze verstehen
- Für wen dieses Buch geschrieben wurde
- Warum wir dieses Buch geschrieben haben
- Was Sie lernen werden
- Wie dieses Buch strukturiert ist
- Ein letzter Punkt, bevor es wirklich losgeht
- Teil I: Denken wie ein Data Head
- Kapitel 1: Was ist das Problem?
- Kapitel 2: Was sind Daten?
- Kapitel 3: Vorbereitungen für das statistische Denken
- Teil II: Sprechen wie ein Data Head
- Kapitel 4: Daten infrage stellen
- Kapitel 5: Daten erkunden
- Kapitel 6: Wahrscheinlichkeiten untersuchen
- Kapitel 7: Hinterfragen Sie Statistiken
- Teil III: Den Werkzeugkasten des Data Scientist verstehen
- Kapitel 8: Nach versteckten Gruppen suchen
- Kapitel 9: Das Regressionsmodell verstehen
- Kapitel 10: Das Klassifikationsmodell verstehen
- Kapitel 11: Textanalyse verstehen
- Kapitel 12: Konzepte des Deep Learning
- Teil IV: Den Erfolg sichern
- Kapitel 13: Achten Sie auf Fallstricke
- Kapitel 14: Menschen und Persönlichkeiten kennen
- Kapitel 15: Was kommt danach?
- Danksagungen
- Index