Data Science - Was Ist Das Eigentlich?!: Algorithmen Des Maschinellen Lernens Verständlich Erklärt

Data Science - Was Ist Das Eigentlich?!: Algorithmen Des Maschinellen Lernens Verständlich Erklärt - Hardcover

$32.38
Sale price  $32.38 Regular price 
Skip to product information
Data Science - Was Ist Das Eigentlich?!: Algorithmen Des Maschinellen Lernens Verständlich Erklärt

Data Science - Was Ist Das Eigentlich?!: Algorithmen Des Maschinellen Lernens Verständlich Erklärt - Hardcover

$32.38
Sale price  $32.38 Regular price 

by Annalyn Ng (Author), Kenneth Soo (Author), Matthias Delbrück (Translator)

Sie möchten endlich wissen, was sich hinter Schlagworten wie "Data Science" und "Machine Learning" eigentlich verbirgt - und was man alles damit anstellen kann? Auf allzu viel Mathematik würden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlüsselkonzepte der Datenwissenschaft und ihrer Algorithmen - und zwar ohne Sie mit mathematischen Formeln und Details zu belasten!

Der Fokus liegt - nach einer übergeordneten Einführung - auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erläutert und mit einem leicht verständlichen, realen Anwendungsbeispiel verknüpft. Die Kombination aus intuitiven Erklärungen und zahlreichen Abbildungen ermöglicht dabei ein grundlegendes Verständnis, das ohne mathematische Formelsprache auskommt. Abschlie end werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt.

Back Jacket

Sie m?chten endlich wissen, was sich hinter Schlagworten wie "Data Science" und "Machine Learning" eigentlich verbirgt - und was man alles damit anstellen kann? Auf allzu viel Mathematik w?rden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schl?sselkonzepte der Datenwissenschaft und ihrer Algorithmen - und zwar ohne Sie mit mathematischen Formeln und Details zu belasten!

Der Fokus liegt - nach einer ?bergeordneten Einf?hrung - auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erl?utert und mit einem leicht verst?ndlichen, realen Anwendungsbeispiel verkn?pft. Die Kombination aus intuitiven Erkl?rungen und zahlreichen Abbildungen erm?glicht dabei ein grundlegendes Verst?ndnis, das ohne mathematische Formelsprache auskommt. Abschlie?end werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizitaufgezeigt.

Das Buch beschreibt die Schl?sselalgorithmen der Datenwissenschaften bildlich und eing?ngig. Eine n?tzliche Einf?hrung f?r Anf?nger, ein guter ?berblick f?r Gesch?ftsleute, die mit Analysten zusammenarbeiten, oder einfach ein anregendes Lesevergn?gen f?r alle, die wissen wollen, was mit ihren Daten geschieht. Dr. David Stillwell, stellvertretender Direktor des Psychometrics Centre an der University of Cambridge

Dank der exzellent veranschaulichten Konzepte konnten unsere Studenten aus den nicht-technischen F?chern die abstrakten Ideen des maschinellen Lernens ganz intuitiv verstehen. Ethan Chan, Big-Data-Dozent, Stanford University



Author Biography

Annalyn Ng schloss ihr Grundstudium an der University of Michigan (Ann Arbor) ab und war dort auch als Statistiktutorin tätig. Anschließend absolvierte sie ihr Master-Studium am Psychometrics Centre der University of Cambridge, indem Sie dort Social Media-Daten für gezielte Werbung und programmierte kognitive Tests für die Stellenv .ermittlung auswertete. Im Team für Verhaltenswissenschaften bei Disney Research untersuchte sie später psychologische Profile von Konsumenten.

Kenneth Soo hat sein Master-Studium in Statistik an der Stanford University abgeschlossen. Zuvor absolvierte er sein Grundstudium in Mathematik, Operational Research, Statistics and Economics (MORSE) an der University of Warwick: Er war dort als Forschungsassistent bei der Operational Research & Management Sciences Group tätig und arbeitete an der bi-objektiven robusten Optimierung mit Anwendungen in Netzwerken, die zufälligen Ausfällen unterliegen.

Number of Pages: 179
Dimensions: 0.43 x 7.76 x 5 IN
Publication Date: November 08, 2018

You may also like