Einführung in Data Science

Falls Sie Programmierkenntnisse und eine gewisse ­Sym­­­pa­­­­­­thie­­
für Mathematik mitbringen, unterstützt Joel Grus Sie dabei, mit
den mathematischen und statistischen Grundlagen der Data
Science vertraut zu werden und sich ­Programmierfähig­­­­­­keiten
anzueignen, die Sie für die Praxis benötigen. Dabei verwendet
er Python: Die weitverbreitete Sprache ist leicht zu erlernen
und bringt zahlreiche Bibliotheken für Data Science mit.
Aus dem Inhalt:
■
Absolvieren Sie einen Crashkurs in Python
■
Lernen Sie die Grundlagen von linearer Algebra,
Statistik und Wahrscheinlichkeitsrechnung kennen
und erfahren Sie, wie diese in Data Science eingesetzt werden
■
Sammeln, untersuchen, bereinigen, bearbeiten und
manipulieren Sie Daten
■
Tauchen Sie in die Welt des maschinellen Lernens ein
■
Implementieren Sie Modelle wie k-nearest
Neighbors, Naive Bayes, lineare und logistische
Regression, Entscheidungsbäume, neuronale
Netzwerke und Clustering
■
Entdecken Sie Empfehlungssysteme, Sprach­
verarbeitung, Netzwerkanalyse, MapReduce und
Datenbanken
ISBN: 978-3-96009-021-2
9 783960 090212
www.oreilly.de
Euro 34,90 (D)
ISBN ISBN 978-3-96009-021-2
Joel Grus ist Softwareentwickler bei
Google, zuvor arbeitete er als Data
Scientist für eine Reihe von Startups.
Er lebt in Seattle, wo er regelmäßig an
Treffen zu Datenanalyse-Themen teilnimmt. Er schreibt gelegentlich Artikel
für sein Blog joelgrus.com und twittert
täglich unter @joelgrus.
»Joel nimmt Sie mit auf
eine Reise, die bei der
Neugierde auf Daten
beginnt und zum gründ­
lichen Verständnis der
Algorithmen führt, die
das tägliche Brot jedes
Data Scientists sind.
«
—Rohit Sivaprasad
Data Science, Soylent
datatau.com
Einführung in Data Science
Dieses Buch führt Sie in Data Science ein, indem es grund­
legende Prinzipien der Datenanalyse erläutert und Ihnen geeignete Techniken und Werkzeuge vorstellt. Sie lernen nicht nur,
wie Sie Bibliotheken, Frameworks, Module und Toolkits konkret
einsetzen, sondern implementieren sie auch selbst. Dadurch
ent­­­­wickeln Sie ein tieferes Verständnis für die Zusammenhänge
und erfahren, wie essenzielle Tools und Algorithmen der Daten­
ana­lyse im Kern funktionieren.
Einführung in
mit
Python
Data Science
GRUNDPRINZIPIEN DER DATENANALYSE MIT PYTHON
Grus
Grimm
Einführung in Data Science
Joel Grus
Übersetzung von Kristian Rother
Einführung in Data Science
Joel Grus
Deutsche Übersetzung von
Kristian Rother
Joel Grus
Lektorat: Alexandra Follenius
Übersetzung: Kristian Rother
Korrektorat: Sibylle Feldmann
Herstellung: Susanne Bröckelmann
Umschlaggestaltung: Karen Montgomery & Michael Oréal | studio des arts graphiques |
studio of graphic arts | www.oreal.de
Satz: Reemers Publishing Services GmbH, www.reemers.de
Druck und Bindung: Media-Print Informationstechnologie,
mediaprint-druckerei.de
Bibliografische Information Der Deutschen Nationalbibliothek. Die Deutsche Nationalbibliothek
verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten
sind im Internet über http://dnb.d-nb.de abrufbar.
ISBN:
Buch 978-3-96009-021-2
PDF 978-3-96010-024-9
epub 978-3-96010-025-6
mobi 978-3-96010-026-3
1. Auflage 2016
Dieses Buch erscheint in Kooperation mit O’Reilly Media, Inc. unter dem Imprint »O’REILLY«.
O’REILLY ist ein Markenzeichen und eine eingetragene Marke von O’Reilly Media, Inc. und wird mit
Einwilligung des Eigentümers verwendet.
Copyright 2016 dpunkt.verlag GmbH
Wieblinger Weg 17
69123 Heidelberg
Authorized German translation of the English edition of Data Science from Scratch,
ISBN 9781491901427 2015 Joel Grus. This translation is published and sold by permission of O’Reilly
Media, Inc., which owns or controls all rights to publish and sell the same.
Die vorliegende Publikation ist urheberrechtlich geschützt. Alle Rechte vorbehalten. Die Verwendung der
Texte und Abbildungen, auch auszugsweise, ist ohne die schriftliche Zustimmung des Verlags urheberrechtswidrig und daher strafbar. Dies gilt insbesondere für die Vervielfältigung, Übersetzung oder die
Verwendung in elektronischen Systemen.
Es wird darauf hingewiesen, dass die im Buch verwendeten Soft- und Hardware-Bezeichnungen sowie
Markennamen und Produktbezeichnungen der jeweiligen Firmen im Allgemeinen warenzeichen-, markenoder patentrechtlichem Schutz unterliegen.
Die Informationen in diesem Buch wurden mit größter Sorgfalt erarbeitet. Dennoch können
Fehler nicht vollständig ausgeschlossen werden. Verlag, Autoren und Übersetzer übernehmen
keine juristische Verantwortung oder irgendeine Haftung für eventuell verbliebene Fehler und
deren Folgen.
543210
Inhalt
Vorwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
XI
1 Einführung
.............................................
1
Der Aufstieg der Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
Was ist Data Science? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
Ein motivierendes Szenario: DataSciencester . . . . . . . . . . . . . . . . . . . . .
3
2 Ein Crashkurs in Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
Über die Grundlagen hinaus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
Weiterführendes Material . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
3 Daten visualisieren
......................................
39
matplotlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
Balkendiagramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
Liniendiagramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
Scatterplots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
Weiterführendes Material . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
4 Lineare Algebra
.........................................
51
Vektoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
Weiterführendes Material . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
5 Statistik
...............................................
59
Einen einzelnen Datensatz beschreiben . . . . . . . . . . . . . . . . . . . . . . . . .
59
|
V