---

Sie möchten endlich wissen, was sich hinter Schlagworten wie "Data Science" und "Machine Learning" eigentlich verbirgt - und was man alles damit anstellen kann? Auf allzu viel Mathematik würden Sie dabei aber gern verzichten? Dann sind Sie hier genau richtig: Dieses Buch bietet einen kompakten Einblick in die wichtigsten Schlüsselkonzepte der Datenwissenschaft und ihrer Algorithmen - und zwar ohne Sie mit mathematischen Formeln und Details zu belasten!

Der Fokus liegt - nach einer übergeordneten Einführung - auf Anwendungen des maschinellen Lernens zur Mustererkennung und Vorhersage von Ergebnissen: In jedem Kapitel wird ein Algorithmus erläutert und mit einem leicht verständlichen, realen Anwendungsbeispiel verknüpft. Die Kombination aus intuitiven Erklärungen und zahlreichen Abbildungen ermöglicht dabei ein grundlegendes Verständnis, das ohne mathematische Formelsprache auskommt. Abschließend werden auch die Grenzen und Nachteile der betrachteten Algorithmen explizit aufgezeigt.

---

Das Wichtigste in Kürze ....- k -Means-Clustering.- Hauptkomponentenanalyse.- Assoziationsanalyse.- Soziale Netzwerkanalyse.- Regressionsanalyse.- k -nächste Nachbarn und Ausreißererkennung.- Support-Vektor-Maschine.- Entscheidungsbaum.- Random Forests.- Neuronale Netze.- A/B-Tests und vielarmige Banditen.- Anhang.

---

"... zeigen anhand verständlich erläuterter, einfacher, aber plausibler Beispiele, wie diese Anwendungen erfolgen und welche Ergebnisse sie liefern. Viele Beispiele wurden der (hier auch zitierten) Literatur entnommen und können vom Leser leicht nachvollzogen werden. Man kann deshalb erwarten, dass nicht nur Studierende dieses Fachgebiets von der Lektüre profitieren werden, sondern auch Unternehmer bessere Fragen an die von ihnen beauftragten Wissenschaftler stellen können." (Martin A. Lobeck, in: ekz-Informationsdienst, Heft 3, 2019)

---