Data Science, Big Data und künstliche Intelligenz gehören derzeit zu den Konzepten, über die in Industrie, Regierung und Gesellschaft am meisten geredet wird, die aber auch am meisten missverstanden werden. Dieses Buch klärt diese Konzepte und vermittelt Ihnen praktisches Wissen, um sie anzuwenden.
Das Buch nähert sich dem Thema Data Science von mehreren Seiten. Es zeigt Ihnen, wie Sie Datenplattformen aufbauen sowie Data Science Tools und Methoden anwenden. Auf dem Weg dorthin hilft es Ihnen zu verstehen – und den verschiedenen Interessengruppen zu erklären – wie Sie aus diesen Techniken einen Mehrwert generieren können, z. B. indem Sie Data Science einsetzen, um Unternehmen dabei zu helfen, schnellere Entscheidungen zu treffen, Kosten zu senken und neue Märkte zu erschließen.
In einem zweiten Teil werden die grundlegenden Konzepte der Datenwissenschaft beschrieben, einschließlich mathematischer Grundlagen, Verfahren maschinellen Lernens inklusive Frameworks sowie Text-, Bild- und Sprachverarbeitung. Abgerundet wird das Buch durch rechtliche Überlegungen und praktische Fallstudien aus verschiedenen Branchen.
Das Autor:innenteam besteht aus Datenexpert:innen aus der Wirtschaft und aus dem akademischen Umfeld. Das Spektrum reicht von strategisch ausgerichteten Führungskräften über Data Engineers, die Produktivsysteme erstellen, bis hin zu Data Scientists, die aus Daten Wert generieren. Alle Autor:innen sind im Vorstand oder Mitglieder der Vienna Data Science Group (VDSG). Diese NGO hat sich zum Ziel gesetzt, eine Plattform für den Wissensaustausch zu etablieren.
Aus dem Inhalt
Grundlagen der Mathematik: ML-Algorithmen verstehen und nutzen
Machine Learning: Von statistischen zu neuronalen Verfahren; von Transformers und GPT-3 bis AutoML
Natural Language Processing: Werkzeuge und Techniken zur Gewinnung von Erkenntnissen aus Textdaten und zur Entwicklung von Sprachtechnologien
Computer Vision: Erkenntnisse aus Bildern und Videos gewinnen
Modellierung und Simulation: Modellierung des Verhaltens komplexer Systeme, z. B. der Ausbreitung von COVID-19. Was-wäre-wenn-Analysen
ML und KI in der Produktion: Vom Experiment zum Data-Science-Produkt
Ergebnisse präsentieren: Grundlegende Präsentationstechniken für Data Scientists
Kapitel 9 in dieser LP beschäftigt sich mit KI – doch was hat KI genau mit Data Science und maschinellem Lernen zu tun? Diese Frage beantwortet Danko Nikoli? in dieser Leseprobe und gibt Ihnen Strategie-Empfehlungen für die Entwicklung einer KI-Lösung, um häufige Fehler zu vermeiden.
Wer hat's geschrieben?
Stefan Papp ist Unternehmer. Er und seine Mitarbeiter helfen Organisationen beim Aufbau von Datenarchitekturen und bei der Migration von On-Premise-Lösungen in die Cloud. Einer der Schwerpunkte von Stefan Papp und seinem Team sind auch autonom fahrende Autos. Stefan Papp ist Autor zahlreicher Fachartikel und Bücher zum Thema Big Data. Ihn beschäftigt auch die Frage, wie AI unsere Gesellschaft bereichern und dabei auch nachhaltig verändern kann.
Wolfgang Weidinger ist Präsident der Vienna Data Science Group (www.vdsg.at), einer gemeinnützigen Vereinigung von und für Data Scientists. Diese führt sowohl Forschung als auch Praxis in den verschiedensten Branchen zusammen. Die VDSG ist eine stark wachsende internationale Gemeinschaft, deren Ziel es ist über Data Science und deren Teilbereiche wie Machine learning und Artificial Intelligence, sowie deren Auswirkungen auf die Gesellschaft aufzuklären. Wolfgang Weidinger hat als Data Scientist in den verschiedensten Branchen und Bereichen wie Start-Ups, Finanzwirtschaft, Consulting und Großhandel gearbeitet und dort unter anderem Data-Science-Teams aufgebaut und geleitet.
Bernhard Ortner arbeitet derzeit als Berater im Bereich Big Data- und Cloud-Architekturen. Er hilft seinen Kunden bei der Umsetzung ihrer Digitalstrategie. Seine Tätigkeiten umfassen dabei die Adaption vorhandener Prozesse um BigData und das Etablieren von Big-Data-Standards und Best Practices. Außerdem hält er Vorträge in der Open Source Community zu diesen Themen. Seine Hauptmotivation ist es, neue Wege und Möglichkeiten für die Anwendung von Big Data zu finden.
Georg Langs ist Assoz. Professor an der Medizinischen Universität Wien und leitet dort das Computational Imaging Research Lab der Universitätsklinik für Radiologie und Nuklearmedizin. Er ist Mitgründer des Spin-offs contextflow GmbH, das Software für AI-basierte Bildsuche entwickelt. Georg Langs hat an der TU Wien Mathematik und an der TU Graz Informatik studiert, und war Research Scientist am Computer Science and Artificial Intelligence Lab des MIT, an dem er noch immer als Research Affiliate tätig ist.
Mario Meir-Huber leitet die Daten-, Analytics- und AI-Strategie innerhalb der Al Telekom Austria Group. Hierbei führt er mit seinem Team strategische Projekte durch, mit dem Ziel das Unternehmen datengetrieben zu machen. Neben seinem Job unterrichtet er dieses Thema an einigen Fachhochschulen und publizierte bereits einige Bücher dazu.
Rania Wazir ist Mathematikerin und hat an Universitäten in den USA, Italien sowie Österreich geforscht und unterrichtet. Ihr Ziel als Consulting Data Scientist ist es, komplexe Probleme auszuleuchten und ihren Kunden effiziente und begreifbare Lösungen anzubieten. Sie arbeitet mit Vorliebe auf dem Gebiet des Natural Language Processing an Statistical Learning-Projekten und an mathematisch ausgerichteten Optimierungsproblemen. Sie widmet sich auch dem Thema "Demokratisierung von AI" und versucht, als Co-Organisatorin der data4good-Initiative des VDSG, die Vorzüge und potenziellen Nachteile der Digitalisierung, u. a. durch Vorträge und Hackathons, einem breiteren Publikum zu vermitteln.
Handbuch Data Science und KI
Mit Machine Learning und Datenanalyse Wert aus Daten generieren
