Dieses Buch richtet sich an angehende und fortgeschrittene Data Scientists sowie
Programmierer*innen die sich die mathematischen Grundlagen der Data Science aneignen wollen
Besonders gut nachvollziehbar durch minimale mathematische Fachterminologie praxisnahe
Beispiele und zahlreiche Abbildungen Mit Übungen und Lösungen um das Gelernte zu vertiefen Für
Studium und Beruf Um als Data Scientist erfolgreich zu sein müssen Sie über ein solides
mathematisches Grundwissen verfügen. Dieses Buch bietet einen leicht verständlichen Überblick
über die Mathematik die Sie in der Data Science benötigen. Thomas Nield führt Sie Schritt für
Schritt durch Bereiche wie Infinitesimalrechnung Wahrscheinlichkeit lineare Algebra
Statistik und Hypothesentests und zeigt Ihnen wie diese Mathe-Basics beispielsweise in der
linearen und logistischen Regression und in neuronalen Netzen eingesetzt werden. Zusätzlich
erhalten Sie Einblicke in den aktuellen Stand der Data Science und erfahren wie Sie dieses
Wissen für Ihre Karriere als Data Scientist nutzen. Verwenden Sie Python-Code und Bibliotheken
wie SymPy NumPy und scikit-learn um grundlegende mathematische Konzepte wie
Infinitesimalrechnung lineare Algebra Statistik und maschinelles Lernen zu erkunden Verstehen
Sie Techniken wie lineare und logistische Regression und neuronale Netze durch gut
nachvollziehbare Erklärungen und ein Minimum an mathematischer Terminologie Wenden Sie
deskriptive Statistik und Hypothesentests auf einen Datensatz an um p-Werte und statistische
Signifikanz zu interpretieren Manipulieren Sie Vektoren und Matrizen und führen Sie
Matrixzerlegung durch Vertiefen Sie Ihre Kenntnisse in Infinitesimal- und
Wahrscheinlichkeitsrechnung Statistik und linearer Algebra und wenden Sie sie auf
Regressionsmodelle einschließlich neuronaler Netze an Erfahren Sie wie Sie Ihre Kenntnisse und
Fähigkeiten in der Datenanalyse optimieren und gängige Fehler vermeiden um auf dem
Data-Science-Arbeitsmarkt zu überzeugen
