Einführung in Data Science

• Verfasst von: Grus, Joel [VerfasserIn]
• Titel: Einführung in Data Science
• Mitwirkende: Rother, Kristian [ÜbersetzerIn]
• Werktitel: Data Science from scratch
• Verf.angabe: Joel Grus ; deutsche Übersetzung von Kristian Rother
• Ausgabe: 1. Auflage
• Verlagsort: Heidelberg
• Verlag: O'Reilly
• Jahr: 2016
• Umfang: 1 Online-Ressource (XV, 329 Seiten)
• Illustrationen: Illustrationen, Diagramme
• Fussnoten: Description based upon print version of record
• Weitere Titel: Titelzusatz auf dem Umschlag: Grundprinzipien der Datenanalyse mit Python
• ISBN: 978-3-96010-024-9
• ISBN: 978-3-96010-025-6
• ISBN: 978-3-96010-026-3
• Schlagwörter: (s)Data Mining / (s)Datenanalyse / (s)Python <Programmiersprache>
• Schlagwörter: (s)Datenanalyse / (s)Python 2.7
• Datenträger: Online-Ressource
• Sprache: ger
• Bibliogr. Hinweis: Erscheint auch als : Druck-Ausgabe: Grus, Joel: Einführung in Data Science. - 1. Auflage. - Heidelberg : O'Reilly, 2016. - XV, 329 Seiten
• RVK-Notation: ST 601
• Sach-SW: Python (Computer program language)
• Sach-SW: Electronic books
• K10plus-PPN: 856149306
• K10plus-PPN:
  Universitätsbibliothek
• Lokale URL UB: Zum Volltext

Abstract

Inhalt -- Vorwort -- Data Science -- Bei Null starten -- In diesem Buch verwendete Konventionen -- Verwenden von Codebeispielen -- Danksagungen -- Kapitel 1 - Einführung -- Der Aufstieg der Daten -- Was ist Data Science? -- Ein motivierendes Szenario: DataSciencester -- Finden von Schlüsselpersonen -- Data Scientists, die Sie kennen könnten -- Gehälter und Erfahrung -- Bezahlte Nutzerkonten -- Interessante Themen -- Weiter geht's! -- Kapitel 2 - Ein Crashkurs in Python -- Grundlagen -- Python installieren -- Zen und Python -- Formatieren durch Leerzeichen -- Module -- Arithmetik -- Funktionen -- Strings -- Exceptions -- Listen -- Tupel -- Dictionaries -- defaultdict -- Counter -- Sets -- Kontrollfluss -- Wahrheitswerte -- Über die Grundlagen hinaus -- Sortieren -- List Comprehensions -- Generatoren und Iteratoren -- Zufall -- Reguläre Ausdrücke -- Objektorientierte Programmierung -- Funktionale Hilfsmittel -- enumerate -- zip und Entpacken von Argumenten -- args und kwargs -- Willkommen bei DataSciencester! -- Weiterführendes Material -- Kapitel 3 - Daten visualisieren -- matplotlib -- Balkendiagramme -- Liniendiagramme -- Scatterplots -- Weiterführendes Material -- Kapitel 4 - Lineare Algebra -- Vektoren -- Matrizen -- Weiterführendes Material -- Kapitel 5 - Statistik -- Einen einzelnen Datensatz beschreiben -- Lagemaße -- Streuung -- Korrelation -- Das Simpson-Paradoxon -- Weitere Fallstricke von Korrelationen -- Korrelation und Kausalität -- Weiterführendes Material -- Kapitel 6 - Wahrscheinlichkeit -- Abhängigkeit und Unabhängigkeit -- Bedingte Wahrscheinlichkeit -- Der Satz von Bayes -- Zufallsvariablen -- Kontinuierliche Wahrscheinlichkeitsverteilungen -- Die Normalverteilung -- Der zentrale Grenzwertsatz -- Weiterführendes Material -- Kapitel 7 - Hypothesen und Schlussfolgerungen -- Testen statistischer Hypothesen -- Beispiel: Münzwürfe.