Data Science: Grundlagen, Statistik und maschinelles Lernen - Softcover

Über die Autorin bzw. den Autor

Matthias Plaue arbeitet als Data Scientist und nutzt mathematische Methoden in täglicher Praxis für die Umsetzung von Algorithmen im Bereich der Datenanalyse und künstlichen Intelligenz. Neben der Forschung in seinen Interessengebieten hat er viele Jahre intensiv Studierende beim Verstehen von Mathematik unterstützt.

Von der hinteren Coverseite

Dieses Lehrbuch bietet eine gut verständliche Einführung in mathematische Konzepte und algorithmische Verfahren, die der Data Science zugrunde liegen. Es deckt hierfür wesentliche Teile der Datenorganisation, der deskriptiven und inferenziellen Statistik, der Wahrscheinlichkeitstheorie und des maschinellen Lernens ab.

Das Werk ermöglicht den Leserinnen und Lesern ein tiefes und grundlegendes Verständnis der Konzepte durch klare und mathematisch fundierte Vermittlung der Inhalte. Darüber hinaus stellt es durch zahlreiche, anhand realer Daten erstellter Anwendungsbeispiele einen starken Praxisbezug her. Dadurch ist es besonders für Lehrende und Studierende an technischen Hochschulen geeignet, bietet aber auch Quereinsteigenden mit mathematischem Grundwissen einen guten Einstieg und Überblick.

Der Inhalt

Elemente der Datenorganisation - Deskriptive Statistik - Wahrscheinlichkeitstheorie - Inferenzstatistik - Multivariate Statistik - Überwachtes maschinelles Lernen - Unüberwachtes maschinelles Lernen - Maschinelles Lernen in der Anwendung

Der Autor

Matthias Plaue arbeitet als Data Scientist und nutzt mathematische Methoden in täglicher Praxis für die Umsetzung von Algorithmen im Bereich der Datenanalyse und künstlichen Intelligenz. Neben der Forschung in seinen Interessengebieten hat er viele Jahre intensiv Studierende beim Verstehen von Mathematik unterstützt.