Neu
Kritisches Denken in Data Science mit Python Vom Beobachten zur verantwortbaren Entscheidung
-
- Einzelkauf Download ausgewählt
-
Sprache:Deutsch
9,99 €
inkl. gesetzl. MwSt.Beschreibung
Produktdetails
Format
ePUB 3
Kopierschutz
Nein
Family Sharing
Nein
Text-to-Speech
Ja
Erscheinungsdatum
06.06.2026
Verlag
BookRix GmbH & Co. KGSeitenzahl
401 (Printausgabe)
Dateigröße
2164 KB
Sprache
Deutsch
EAN
9783695260782
Wie werden aus Daten verantwortbare Entscheidungen?
Data Science wird oft als technische Disziplin verstanden: Daten sammeln, Modelle trainieren, Kennzahlen berechnen und Ergebnisse visualisieren.
Doch gute Datenanalyse beginnt nicht erst beim Code. Sie beginnt bei der Frage, was überhaupt beobachtet, gemessen, interpretiert und entschieden wird.
Dieses Buch zeigt Data Science als kritische Erkenntnisarbeit mit Python.
Im Mittelpunkt steht die Frage, wie aus Daten nicht nur Informationen, sondern begründete und verantwortbare Urteile entstehen.
In diesem Buch erfährst du:
Es geht nicht darum, Daten blind zu vertrauen oder Modelle als neutrale Wahrheit zu behandeln. Im Mittelpunkt steht die Fähigkeit, Annahmen sichtbar zu machen, Ergebnisse kritisch zu prüfen und Entscheidungen nachvollziehbar zu begründen.
Dieses Buch ist für dich, wenn du:
Data Science wird oft als technische Disziplin verstanden: Daten sammeln, Modelle trainieren, Kennzahlen berechnen und Ergebnisse visualisieren.
Doch gute Datenanalyse beginnt nicht erst beim Code. Sie beginnt bei der Frage, was überhaupt beobachtet, gemessen, interpretiert und entschieden wird.
Dieses Buch zeigt Data Science als kritische Erkenntnisarbeit mit Python.
Im Mittelpunkt steht die Frage, wie aus Daten nicht nur Informationen, sondern begründete und verantwortbare Urteile entstehen.
In diesem Buch erfährst du:
- warum Daten nicht mit der Wirklichkeit verwechselt werden dürfen
- wie Beobachtung, Beschreibung und Erklärung voneinander unterschieden werden
- warum Menschen Daten häufig falsch interpretieren
- wie Tatsachen, Interpretationen und Bewertungen sauber getrennt werden können
- wie aus Mustern Hypothesen entstehen
- warum Korrelation nicht automatisch Kausalität bedeutet
- wie Argumente, Fehlschlüsse und Unsicherheit in Data Science beurteilt werden
- wie Python, Pandas, Visualisierungen und Modelle als Werkzeuge kritischer Analyse genutzt werden
- warum Bias, Fairness, Transparenz und Verantwortung zentrale Bestandteile guter Data Science sind
Es geht nicht darum, Daten blind zu vertrauen oder Modelle als neutrale Wahrheit zu behandeln. Im Mittelpunkt steht die Fähigkeit, Annahmen sichtbar zu machen, Ergebnisse kritisch zu prüfen und Entscheidungen nachvollziehbar zu begründen.
Dieses Buch ist für dich, wenn du:
- Data Science nicht nur technisch, sondern reflektiert verstehen möchtest
- mit Python Daten analysierst oder analysieren willst
- Kennzahlen, Diagramme und Modelle kritischer beurteilen möchtest
- Unsicherheit, Bias und Fehlinterpretationen besser erkennen willst
- Datenanalysen verantwortungsvoll kommunizieren und nutzen möchtest
Kundinnen und Kunden meinen
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kund*innen durch Ihre Meinung
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice