Praktische Statistik für Data Scientists: 50+ essenzielle Konzepte mit R und Python

50+ essenzielle Konzepte mit R und Python

Paperback, 688 pages

German language

Published by O'Reilly.

ASIN:
B093XT3FDH
(1 review)

Statistische Konzepte aus der Perspektive von Data Scientists erläutert Das Buch stellt die Verbindung zwischen nützlichen statistischen Prinzipien und der heutigen Datenanalyse-Praxis her Ermöglicht Data Scientists, ihr Wissen über Statistik auf ein neues Level zu bringen Übersetzung der 2. Auflage des US-Bestsellers mit Beispielen in Python und R Statistische Methoden sind ein zentraler Bestandteil der Arbeit mit Daten, doch nur wenige Data Scientists haben eine formale statistische Ausbildung. In Kursen und Büchern über die Grundlagen der Statistik wird das Thema aber selten aus der Sicht von Data Scientists behandelt. Viele stellen daher fest, dass ihnen eine tiefere statistische Perspektive auf ihre Daten fehlt.Dieses praxisorientierte Handbuch mit zahlreichen Beispielen in Python und R erklärt Ihnen, wie Sie verschiedene statistische Methoden speziell in den Datenwissenschaften anwenden. Es zeigt Ihnen auch, wie Sie den falschen Gebrauch von statistischen Methoden vermeiden können, und gibt Ratschläge, welche statistischen Konzepte für die Datenwissenschaften besonders relevant sind. …

1 edition

Zu oberflächlich und doch zu tief?

Ein Buch, das einen zwiespältigen Eindruck bei mir hinterlässt. Zu oberflächlich, um wirklich auf die vorgestellten Konzepte eingehen zu können, an anderen Stellen hingegen zu schnell zu tief, ohne ausreichend Kontext mitzugeben (Warum? Wofür?). Die deutsche Übersetzung scheint mäßig gelungen (das Original habe ich nicht gelesen), die didaktische Qualität ist bestenfalls durchschnittlich.

Das Buch gibt dennoch einen durchaus gelungenen Einstieg in die Werkzeugwelt eine:r Datenwissenschaftler:in und erklärt auch manche Ursprünge, die in Zeiten großer Datenmengen und leistungsfähiger Rechenmaschinen mittlerweile obsolet geworden sind. Als Nachschlagwerk mit vielen weiterführenden Literaturhinweisen wird es seinen Platz in meinem Regal finden.

Ob die Code-Beispiele in R und Python (die mitsamt der behandelten Datenquellen auch auf Github öffentlich zugänglich sind) hingegen hilfreich sind, muss ein jeder und eine jede selbst herausfinden - hier hielt sich der Mehrwert für mich in Grenzen.

Aber Achtung: Als Einsteiger in die Welt der Data-Science (ich lese das Buch aus Interesse, …

Subjects

  • Data Science
  • Statistics