Joel Grus Reihenfolge der Bücher

Dieses Buch führt Sie in Data Science ein, indem es grundlegende Prinzipien der Datenanalyse erläutert und Ihnen geeignete Techniken und Werkzeuge vorstellt. Sie lernen nicht nur, wie Sie Bibliotheken, Frameworks, Module und Toolkits konkret einsetzen, sondern implementieren sie auch selbst. Dadurch entwickeln Sie ein tieferes Verständnis für die Zusammenhänge und erfahren, wie essenzielle Tools und Algorithmen der Datenanalyse im Kern funktionieren. Falls Sie Programmierkenntnisse und eine gewisse Sympathie für Mathematik mitbringen, unterstützt Joel Grus Sie dabei, mit den mathematischen und statistischen Grundlagen der Data Science vertraut zu werden und sich Programmierfähigkeiten anzueignen, die Sie für die Praxis benötigen. Dabei verwendet er Python: Die weit verbreitete Sprache ist leicht zu erlernen und bringt zahlreiche Bibliotheken für Data Science mit

Dieses Buch führt in die Data Science ein, indem es grundlegende Prinzipien der Datenanalyse erläutert und geeignete Techniken und Werkzeuge vorstellt. Sie lernen, Bibliotheken, Frameworks, Module und Toolkits zu nutzen und diese selbst zu implementieren, was Ihr Verständnis der Zusammenhänge vertieft. Zudem erfahren Sie, wie essenzielle Tools und Algorithmen der Datenanalyse funktionieren. Mit Programmierkenntnissen und einer Affinität zur Mathematik unterstützt Sie der Autor, die mathematischen und statistischen Grundlagen der Data Science zu erlernen und praktische Programmierfähigkeiten zu entwickeln. Dabei wird Python verwendet, eine leicht zu erlernende Sprache mit zahlreichen Bibliotheken für Data Science. Der Inhalt umfasst: einen Crashkurs in Python, die Grundlagen von linearer Algebra, Statistik und Wahrscheinlichkeitsrechnung sowie deren Anwendung in der Data Science. Sie lernen, Daten zu sammeln, zu untersuchen, zu bereinigen und zu manipulieren. Zudem tauchen Sie in die Welt des maschinellen Lernens ein und implementieren Modelle wie k-nearest Neighbors, Naive Bayes, lineare und logistische Regression, Entscheidungsbäume, neuronale Netzwerke und Clustering. Weitere Themen sind Empfehlungssysteme, Sprachverarbeitung, Netzwerkanalyse, MapReduce und Datenbanken.