17,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
0 °P sammeln
  • Broschiertes Buch

Im vorliegenden Buch soll eine praxisorientierte Einführung und ein aktueller Überblick darüber gegeben werden, was Data-Science und der Beruf Data-Scientist umfassen.Nach 4 Jahren seit Erscheinen der zweiten Auflage wurde die dritte Auflage notwendig, da sich Data-Science als Thema und vor allem die dazugehörende Softwaretechnologie weiterentwickelt.Spätestens mit der Veröffentlichung von ChatGPT ist das Thema künstliche Intelligenz in aller Munde und eine Einordnung von Data- Science, Machine Learning und Artificial Intelligence scheint dringend notwendig. Das Buch enthält neben einer…mehr

Produktbeschreibung
Im vorliegenden Buch soll eine praxisorientierte Einführung und ein aktueller Überblick darüber gegeben werden, was Data-Science und der Beruf Data-Scientist umfassen.Nach 4 Jahren seit Erscheinen der zweiten Auflage wurde die dritte Auflage notwendig, da sich Data-Science als Thema und vor allem die dazugehörende Softwaretechnologie weiterentwickelt.Spätestens mit der Veröffentlichung von ChatGPT ist das Thema künstliche Intelligenz in aller Munde und eine Einordnung von Data- Science, Machine Learning und Artificial Intelligence scheint dringend notwendig. Das Buch enthält neben einer Übersicht über Theorie und Praxis der Daten-Analyse nun auch Code-Beispiele in Python bzw. SQL und Cheat-Sheets zu ChatGPT und GenAI Tools.
Autorenporträt
Michael Oettinger ist ein freiberuflicher Data-Scientist und Geschäftsführer der oetti-ds GmbH. Er berät Unternehmen in unterschiedlichen Branchen. Nach einem Studium der Betriebswirtschaft mit Schwerpunkt auf mathematischen Verfahren und Marktforschung in Augsburg und Oviedo füllte er unterschiedliche Rollen bei PwC, IBM (u. a. SPSS), Fuzzy Logix und weiteren Softwareunternehmen aus. Als Mitglied bei MENSA beschäftigt er sich sowohl mit der menschlichen als auch mit der künstlichen Intelligenz. Schwerpunkt seiner Aktivitäten ist der konkrete und pragmatische Einsatz der existierenden analytischen Modelle in der betrieblichen Praxis mit den entsprechenden Softwaretools (v. a. Python, R, SQL, KNIME, RapidMiner, PySpark, und Tensorflow).