Kubernetes

weniger gut

Meines Erachtens wäre der Untertitel "Eine kompakte Zusammenfassung" zutreffender.
Ich meine, es ist nicht richtig, wenn im Vorwort angegeben wird, Kubernetes-Erfahrungen werden ebenso wenig vorausgesetzt wie Kenntnisse zu Load Balancers, Network Storage, Cloud Computing, Linux und Docker. Ich habe den Eindruck, die Autoren sind von ihrem Gebiet so begeistert, dass sie sich wenig Gedanken gemacht haben, wie sie Einsteiger abholen und den Stoff didaktisch gut aufbauen.
Mit den Fachbegriffen und Akronymen wird von Beginn an frei jongliert, auch wenn die Themen eigentlich erst später im Buch aufgegriffen werden. Die Themen werden jeweils nur kurz angerissen, tiefergehende Erklärungen habe ich nicht entdeckt. Deshalb frage ich mich schon, wer Nutzen aus dem Buch ziehen kann: Ein Außenstehender wird hier bestenfalls Stichpunkte finden, um sich das Gebiet anderweitig anzueignen. Einem Eingeweihten wird das Buch kaum weiterhelfen.
Mich persönlich stört außerdem in der deutschen Übersetzung das Anwenden deutscher Grammatik auf englische Begriffe sehr (z. B. "deployen", "geschedult" oder "gepullt") - ein weiterer Minuspunkt für das schmale und nicht gerade preiswerte Büchlein.

Leben mit narzisstischen Eltern

schlecht

Das Büchlein spricht ein wichtiges Thema an. Viel mehr Positives kann ich dem Buch jedoch nicht abgewinnen.

Viele Aussagen und Behauptungen werden relativ oberflächlich und pauschal aufgestellt, zum guten Teil in langen Schlagwortlisten. Belege, Statistiken oder sonstige Fundierungen der Behauptung sind mir nicht ersichtlich. Für mich ist der Inhalt nicht mehr als eine Notizensammlung, deren Relevanz und Bedeutungszusammenhänge erst zu erschließen wären.

Vor dem Erwerb dieses nicht gerade billigen Büchleins empfehle ich einen Blick auf Lebenslauf und sonstige Veröffentlichungen der Autorin. Insbesondere mystische und religiöse Themen scheinen dort eine große Rolle zu spielen. Eine einschlägige psychotherapeutische Ausbildung ist offenbar nicht vorhanden.

1 von 1 Kunden fanden diese Rezension hilfreich.

Machine Learning und Data Science mit Python

gut

Das Buch behandelt eine Reihe von Machine Learning-Verfahren; dabei beschränkt es sich nicht auf die Verfahren alleine, sondern beschreibt auch Vorteile und Nachteile der Verfahren und wie sie einzeln oder kombiniert einzusetzen sind. Ebenso werden auch ergänzende Themen, wie vorbereitende oder optimierende Datentransformationen angesprochen.
Wer der Zielgruppe des Buches entspricht, könnte mit diesem Buch gut bedient sein; für diesen Leserkreis kann ich mir vorstellen, dass eine Gesamtbewertung von vier oder fünf Sternen angemessen ist.
Doch wer ist die Zielgruppe, und welche Kenntnisse setzt das Buch voraus? Der Einleitung ist zu entnehmen: "Ob Sie nun Anfänger sind oder Ihre Kenntnisse auf dem Gebiet der Data Science vertiefen möchten[...]"
Was sich hinter dem Begriff "Anfänger" verbirgt, erschließt sich erst beim weiteren Lesen des Buches. Der Autor verwendet Begriffe wie zum Beispiel Kategoriale Klasse, Straffunktion, Gaußsche Sphäre, kombinatorischer Suchraum, Hyperparameter, Kovarianzmatrix, Gradient, Lernkurve mit Selbstverständlichkeit ohne weitere Erläuterung. Etwas später wird eine Internet-Referenz zur Auffrischung der vorausgesetzten Kenntnisse in Linearer Algebra angegeben. Ziemlich schnell wird auch klar, dass gute Stochastik-Kenntnisse ebenfalls von einem Anfänger erwartet werden. Das Buch enthält viele, teilweise seitenübergreifenden mathematischen Formalismus mit vielen griechischen Buchstaben und umgebenden Indexierungen. Manche dieser Formeln werden nicht erläutert, sondern nur festgestellt. Selbst wenn ich die Mathematik-Kenntnisse aus meinem länger zurückliegenden Informatik-Diplom-Studium auffrische, werde ich die Mathematik in diesem Buch nur teilweise verstehen; ich müsste manche Kenntnisse der Mathematik erst neu erwerben. Ich halte die Angabe im Buch zur Zielgruppe also für irreführend und falsch.
Was Python und Python-Bibliotheken angeht, heisst es auf der Umschlagseite: "erläutert in diesem Buch [...] Python-Anwendungen wie scikit-learn [...] Sie lernen Schritt für Schritt die Grundlagen von Python für maschinelle Lernverfahren kennen [...]". Diese Aussage halte ich nicht für zutreffend. Es wird zwar mit Code mit Python-Bibliotheken wie Pandas, NumPy, matplotlib oder scikit-learn gearbeitet, doch dieser Code wird nicht erläutert; es wird höchstens gelegentlich auf die Wahl eines Parameters eingegangen. Python inklusive objektorientierte Sprachkonstrukte werden ebenso ohne Erläuterung verwendet. Nach meiner Meinung erwartet der Autor die Beherrschung von Python ebenso wie der Python-Bibliotheken. Mit anderen Worten: Die Behauptung der Umschlagseite ist nicht zutreffend.
Ebenso bin ich mit der Behauptung der Umschlagseite einverstanden, dass im Buch "eleganter Python-Code" verwendet wird. Elegant sind möglicherweise manche Algorithmen oder die Implementierungen der Python-Bibliotheken, der Code im Buch jedoch nicht. Der Code ist ok und erfüllt seinen Zweck. Bei einer linearen Aneinanderreihung von Python-Bibliotheksaufrufen würde ich jedoch nicht von Eleganz sprechen - gibt es doch nicht mal eine Leerzeile zur besseren optischen Trennung von Code für die Modellberechnungen und deren grafischer Darstellung. Die Variablenbezeichnungen sind - wie bei Mathematik oder Data Science allerdings verbreitet - eher kryptisch, und sicherlich nicht unter dem Clean Code-Paradigma zu subsummieren. Einige Beispiele: X, y, eta, n_iter, xx1, idx, und so weiter ...
Mein Fazit also: Das Buch ist vor allem für Mathematiker oder für theoretische Informatiker mit Grundlagen-Kenntnissen in Machine Learning geeignet - sofern sie auch Python mit den entsprechenden Bibliotheken beherrschen. Leser jenseits der Zielgruppe dürften überwiegend überfordert sein, und sich möglicherweise über das ausgegebene Geld für dieses nicht gerade billige Buch ärgern. Für mich werte ich das Buch als gute Orientierungshilfe, die mir gute Anhaltspunkte gibt, in welche Themen ich mich mit anderen Hilfsmitteln einarbeiten müsste.

1 von 1 Kunden fanden diese Rezension hilfreich.