Einstieg in Data Science mit R

Der Autor verspricht den Einstieg in die Datenanalyse und die statistischen Grundlagen ohne Vorkenntnisse für Quereinsteiger. Man muss aber gar nicht in Data Science quer einsteigen wollen, um von den Inhalten echten Nutzen für den Online-Job ziehen zu können. Man wird sanft über die Installation von R eingeführt, die Grundlagen werden jeweils so weit gelegt, wie man sie später auch braucht. Die Zahlenbeispiele sind downloadbar, sodass man sofort loslegen kann. Erfreulicherweise geht das Buch so vor, wie man es als Praktiker braucht, nämlich prozessorientiert. Zunächst erfährt man, wie man die (vertrauten) Exceldaten in R bekommt und dort entsprechend leicht so modifizieren kann, wie man sie für Analysen benötigt. Dabei werden auch die nötigen Details nicht ausgespart, an denen Einsteiger sonst oft scheitern. Was macht man mit den berüchtigten #NV-Einträgen? Wie geht man mit leeren Zellen um? Die beiden letzten Kapitel behandeln dann zwei ausführliche Beispiele einer Datenanalyse, incl. einer Trendberechnung, einer Regression und den entsprechenden Visualisierungen. Auch hier spart der Autor nicht mit den nötigen Details wie der programmgesteuerten Beschriftung von Plots oder dem Säubern der Daten. An einigen Stellen schimmert der Wissenschaftler im Autor dann doch durch, ein Tick mehr Einfachheit in der Darstellung und ein etwas weniger mathematische Notationen wären durchaus geeignet, den schulgeschädigten Mathe-nicht-Möger die Inhalte noch schmackhafter zu machen. Wer sich davon aber nicht abhalten lässt, erhält eine klare Kaufempfehlung. Schon während man die Beispiele durchprobiert, kommt man auf viele Ideen, wie man das Gelernte auf die eigenen (Daten-)Anforderungen anwenden könnte. Die Folge: Man kommt schneller an bessere Ergebnisse. Was will man mehr?

Weitere Infos bei Amazon.de.