book

Einführung in Data Science

by Joel Grus

March 2016

Intermediate to advanced

352 pages

7h 56m

German

dpunkt

Read now

Unlock full access

Der Aufstieg der DatenWas ist Data Science?Ein motivierendes Szenario: DataSciencester
GrundlagenÜber die Grundlagen hinausWeiterführendes Material
matplotlibBalkendiagrammeLiniendiagrammeScatterplotsWeiterführendes Material
VektorenMatrizenWeiterführendes Material
Einen einzelnen Datensatz beschreibenKorrelationDas Simpson-ParadoxonWeitere Fallstricke von KorrelationenKorrelation und KausalitätWeiterführendes Material

Abhängigkeit und UnabhängigkeitBedingte WahrscheinlichkeitDer Satz von BayesZufallsvariablenKontinuierliche WahrscheinlichkeitsverteilungenDie NormalverteilungDer zentrale GrenzwertsatzWeiterführendes Material
Testen statistischer HypothesenBeispiel: Münzwürfep-WerteKonfidenzintervalleP-HackingBeispiel: Durchführen eines A/B-TestsBayessche InferenzWeiterführendes Material
Die Idee hinter der GradientenmethodeAbschätzen des GradientenDen Gradienten verwendenAuswahl der richtigen SchrittweiteAnwendungsbeispielStochastische GradientenmethodeWeiterführendes Material
stdin und stdoutEinlesen von DateienAuslesen von WebseitenVerwenden von APIsBeispiel: Verwenden der Twitter-APIsWeiterführendes Material
Erkunden Ihrer DatenBereinigen und UmformenManipulieren von DatenUmskalierenHauptkomponentenanalyseWeiterführendes Material
ModellierenWas ist maschinelles Lernen?Overfitting und UnderfittingGenauigkeitDer Kompromiss zwischen Bias und VarianzExtraktion und Auswahl von EigenschaftenWeiterführendes Material
Das ModellBeispiel: bevorzugte ProgrammiersprachenDer Fluch der DimensionalitätWeiterführendes Material
Ein wirklich primitiver Spam-FilterEin anspruchsvollerer Spam-FilterImplementierungTesten des ModellsWeiterführendes Material
Das ModellAnwenden des GradientenverfahrensMaximum-Likelihood-MethodeWeiterführendes Material
Das ModellWeitere Annahmen bei der Methode der kleinsten QuadrateAnpassen des ModellsInterpretation des ModellsAnpassungsgüteExkurs: BootstrappingStandardfehler von RegressionskoeffizientenRegularisierungWeiterführendes Material
Die AufgabeDie logistische FunktionAnwendung des ModellsAnpassungsgüteSupport Vector MachinesWeiterführendes Material
Was ist ein Entscheidungsbaum?EntropieDie Entropie einer PartitionEinen Entscheidungsbaum erzeugenVerallgemeinerung des VerfahrensRandom ForestsWeiterführendes Material
PerzeptronsFeed-forward-NetzeBackpropagationBeispiel: Bezwingen eines CAPTCHAWeiterführendes Material
Die IdeeDas ModellBeispiel: MeetupsDie Auswahl von kBeispiel: Clustern von FarbenAgglomeratives hierarchisches ClusteringWeiterführendes Material
WortwolkenN-Gramm-ModelleGrammatikenExkurs: Gibbs-SamplingThemenmodellierungWeiterführendes Material
Betweenness-ZentralitätEigenvektor-ZentralitätGerichtete Graphen und PageRankWeiterführendes Material
Manuelle PflegeEmpfehlen, was beliebt istNutzerbasiertes kollaboratives FilternGegenstandsbasiertes kollaboratives FilternWeiterführendes Material
CREATE TABLE und INSERTUPDATEDELETESELECTGROUP BYORDER BYJOINSubqueriesIndexstrukturenOptimierung von AnfragenNoSQLWeiterführendes Material
Beispiel: Wörter zählenWarum MapReduce?MapReduce verallgemeinertBeispiel: Statusmeldungen analysierenBeispiel: MatrizenmultiplikationEine Randbemerkung: CombinersWeiterführendes Material
IPythonMathematikNicht bei null startenFinden Sie DatenData Science in der Praxis

Content preview from Einführung in Data Science

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Start your free trial

Machine Learning mit Python - Das Praxis-Handbuch für Data Sience, Predictive Analytics und Deep Learning

Sebastian Raschka

Einführung in Machine Learning mit Python

Sarah Guido, Andreas C. Müller

Data Science mit AWS

Chris Fregly, Antje Barth

Machine Learning mit Python und ScikitLearn und TensorFlow

Sebastian Raschka, Vahid Mirjalili

Publisher Resources

ISBN: 9781492066668