Das Zeitalter der Daten - Was Sie über Grundlagen, Algorithmen und Anwendungen wissen sollten

Vorwort

Inhaltsverzeichnis

1: Data Science: Die Kunst mit Daten umzugehen

1.1 Der Dreiklang aus Data Science, Machine Learning und KI

1.2 Big Data: Kommt es auf die Größe an?

1.3 Deep Learning: Aus der Tiefe kommt die Intelligenz

1.4 Cloud Computing: Alles wird virtuell

1.4.1 Infrastructure as a Service – IT-Ressourcen leihen

1.4.2 Platform as a Service – ganze Systeme leihen

1.4.3 Software as a Service – Programme im Webbrowser

1.5 Das Internet der Dinge: Daten ohne Ende

Literatur

2: KI: Hype oder Technologie der Zukunft?

2.1 Kommt der KI-Winter?

2.2 Schwache KI liegt in Führung

Literatur

3: Wie lernt eine Maschine?

3.1 Fragen über Fragen: Lernen ist komplex

3.1.1 Präzisierung des Problems

3.1.2 Künstliches Wissen entsteht aus Daten

3.1.3 Statistische Fragen

3.1.4 Technische Fragestellungen

3.2 Überwachtes Lernen: Lernen unter Aufsicht

3.3 Unüberwachtes Lernen: Lernen ohne Vorbild

3.3.1 Der k-Means-Algorithmus

3.4 Bestärkendes Lernen: Die Erfahrung macht’s

3.4.1 Bestärkendes Lernen in der Robotik

3.5 Transfer Learning: Übertragen von Wissen

Literatur

4: Stolz und Vorurteile – Risiken von Data Science

4.1 Pfusch am Bau – Handwerkliche Fehler

4.1.1 Garbage in, garbage out – Müll bleibt Müll

4.1.2 p-Hacking und andere Statistik-Fallen

4.1.3 Overfitting – Trainings- oder Wettkampftyp?

4.2 Meine Daten gehören mir, oder?

4.3 Schubladen im Computerdenken – Vorurteile

4.4 Ethische Probleme

4.4.1 Machen Daten mich überflüssig?

4.4.2 Autonomes Fahren

4.4.3 Waffen

Literatur

5: Typische Aufgaben eines Data Scientists

5.1 Data Import: Die Qual der Quellen

5.1.1 Datenbanken

Relationale Datenbanken

Key-value stores – einfach und praktisch

Dokumentenorientierte Datenbanken

Graphdatenbanken

Spaltenorientierte Datenbanken

5.1.2 Dateien

5.1.3 Services und APIs

5.1.4 Internetseiten

5.2 Data Cleaning: Nur saubere Daten sind gute Daten

5.2.1 Löschen des zugehörigen Datensatzes

5.2.2 Korrektur der unplausiblen Werte

5.2.3 Rekonstruktion durch Imputation

5.2.4 Die Bedeutung von Data Cleaning

5.2.5 Data Preparation: Die Daten in Form bringen

5.3 Data Exploration: Erste Experimente

5.4 Data Modeling: Den Algorithmus anwenden

5.4.1 Feature Engineering: Die Wahl der Attribute

5.4.2 Model Training: Übung macht den Meister

5.4.3 Model Evaluation: Wie gut ist es?

5.5 Data Interpreting: Die Insights zählen

5.5.1 Data Storytelling: Gut erzählt ist halb gewonnen

5.5.2 Data Visualization: Das Auge liest mit

5.6 Deployment: An die Öffentlichkeit damit

Literatur

6: Das Gehirn kopieren? – Künstliche neuronale Netze

6.1 Das KNN-Skelett: Knoten & Verbindungen

6.1.1 Die Input-Schicht – Was isst ein neuronales Netz?

6.1.2 Die Output-Schicht – Entscheidend ist, was hinten rauskommt

6.1.3 Zwischenschichten

6.1.4 Verbindungen

6.1.5 Aktivierungsfunktion

6.2 Und so spielen die Teile zusammen

6.3 Wie lernt ein neuronales Netz?

6.3.1 Gradient Descent: Wo geht’s zur Talsohle?

6.3.2 Backpropagation: Rückwärts durchs Netz

6.4 Rechenpower satt durch Grafikkarten

6.5 Der Neuronale-Netze-Zoo

Literatur

7: Data Science in der Praxis

7.1 Suchmaschinen: Im Alltag unverzichtbar

7.1.1 Erfassung

7.1.2 Indizierung

7.1.3 Bereitstellung

7.2 Churn-Rate: Bleib doch noch, lieber Kunde

7.3 Recommender Engine: Kunden kauften auch …

7.3.1 Inhaltsbasierte Filterung

Produktattribute vergleichen

Produktbeschreibungen vergleichen

7.3.2 Kollaborative Filterung

7.4 Face Recognition: Bist Du mein Freund?

7.5 Routenplanung: Von A nach B

7.6 Disposition: Wie viel soll ich bestellen?

7.6.1 Nichtsaisonale Produkte

7.6.2 Saisonale Produkte

7.7 Fraud Detection: Den Betrügern auf der Spur

7.8 Disaster Risk: Naturkatastrophen vorhersagen

7.8.1 Was ist ein gutes Vorhersagesystem?

7.8.2 Langsame Erdbeben sind besser

7.9 Börsenhandel: Ein Milliardengeschäft

7.9.1 Technische Analyse: In der Vergangenheit liegt die Zukunft

7.9.2 Sentiment-Analyse

7.10 Chatbots: Fluch oder Segen für den Kunden

Literatur

8: Abschluss

Stichwortverzeichnis