Fundierte Datenkompetenz für den Arbeitsplatz entwickeln - auch ohne ProgrammierkenntnisseJenseits der Buzzwords: zentrale Konzepte in Data Science, Statistik und Machine Learning wirklich verstehenDas Buch vermittelt Grundwissen und eine datenorientierte Denkweise anhand klarer, gut nachvollziehbarer AlltagsbeispieleEs schließt die Kommunikationslücke zwischen Data Scientists, Führungskräften und all denjenigen, die täglich mit Daten umgehen müssen Auch wenn Sie von Haus aus kein Data Scientist sind, im Job aber viel mit Daten zu tun haben: Mit diesem Buch werden Sie zu einem echten Data Head. Der kompakte Datenanalyse-Leitfaden gibt Führungskräften, Quereinsteigern und all denen, die häufig mit Data Scientists zusammenarbeiten, das Wissen, die Fachsprache und die nötigen Werkzeuge an die Hand, um informiert und kritisch über die Auswertung von Daten zu sprechen und die richtigen Fragen zu stellen. Nach der Lektüre dieses Buchs können Sie Projekte aus den Bereichen Data Science, Statistik und Machine Learning beurteilen und aktiv mitgestalten - auch ohne einen technischen Background. Alex Gutman und Jordan Goldmeier veranschaulichen unterhaltsam und verständlich die aktuellen, zum Teil komplexen Data-Science- und Statistik-Konzepte anhand einfacher, gut nachvollziehbarer Beispiele, Denkübungen und Analogien. Bauen Sie Ihre Datenkompetenz deutlich aus und erfahren Sie, wie Sie mit Daten argumentierenLernen Sie statistisches Denken und verstehen Sie die Grundlagen der WahrscheinlichkeitsrechnungEntwickeln Sie ein intuitives Verständnis von unüberwachtem Lernen, Regression, Klassifikation und TextanalyseVermeiden Sie häufige Fallstricke bei der Interpretation von DatenVerstehen Sie, was es mit Machine Learning, Textanalyse, Deep Learning und künstlicher Intelligenz wirklich auf sich hatEntwickeln Sie ein mentales Grundgerüst aus zentralen Data-Science-Konzepten, um geplante Datenprojekte Ihres Unternehmens kritisch hinterfragen zu können

Alex J. Gutman ist Data Scientist, Unternehmenstrainer und Accredited Professional Statistician. Sein beruflicher Schwerpunkt liegt auf statistischem und maschinellem Lernen, und er verfügt über umfangreiche Erfahrungen als Data Scientist für das US-Verteidigungsministerium und zwei Fortune-50-Unternehmen. Seinen Doktortitel in angewandter Mathematik erhielt er vom Air Force Institute of Technology.