Von der Faustregel, dass sich das Datenvolumen etwa alle zwei Jahre verdoppelt, haben die meisten Menschen, die sich mit Daten beschäftigen, vermutlich schon gehört. Wir haben es hier mit exponentiellem Wachstum zu tun. Ganz ähnlich verhält es sich auch mit Informationen rund um Data Science, Algorithmen, Programmiersprachen und ihren Anwendungsfällen. In der alltäglichen Flut an interessanten und nützlichen Ressourcen kann man schonmal die Orientierung verlieren. Aber nicht mit uns!

An dieser Stelle präsentiert Marcus Seuser jeden Monat sein Best-Of an Ressourcen rund um Data Science. Für euch durchforstet er Blogs, Feeds, Journalartikel und Podcasts, um mit euch am Puls der Community zu fühlen und euch den Einstieg in die Welt der Data Science zu vereinfachen. Die Beiträge sind thematisch geordnet und enthalten zu jedem der Unterpunkte einige weiterführende Links.

Data-Projects

1. Good, Evil, Ugly, Beautiful: The Game of Thrones Chart

Natürlich bleibt auch der Blog von Correlaid nicht unberührt vom GoT-Hype der neuen Staffel. Die New York Times liefert ein interessantes Beispiel, wie sich mit einer einfachen Umfrage-Methode und Dichte-Visualisierung ein Thema leicht zugänglich und zugleich spannend darstellen lässt. Interaktive Visualisierungen lassen sich mit Plotly ebenfalls sowohl für R als auch Python erstellen, wobei (meiner Meinung nach) Bokeh für Python hier der wahre Held vom Erdbeerfeld ist. Ausprobieren!

ML-Konzepte & Algorithmen & Programmiersprachen

1. Understanding Support Vector Machine

Ganz ohne Mitglied der NSA zu sein, bilde ich mir ein, manche LeserInnen letzte Woche beim Lesen meines Artikels aufstöhnen gehört zu haben: „Ahh, schon wieder diese Decision-Trees. Kann der Typ eigentlich nix anderes?“ Kann er! Diese Woche geht’s um Support Vector Machines (SVM), die eine großartige Alternative zu Decision-Tree-Ansätzen darstellen, allerdings schwieriger zu interpretieren sind und mehr Parameter-Tuning benötigen (aber irgendwie sind wir dafür ja auch da, oder?). Sadanand Singh behandelt in seinem feinen Tutorial die Implementierung von SVM mittels scikit-learn in Python. Wer also einen ersten Blick riskieren will, möge hier klicken.

2. Understanding empirical Bayes estimation

„Bayessche Statistik, ist das nicht so schwammig und ohne Anwendungsbezug?“. Nachdem ich ähnliche Äußerungen in letzter Zeit häufiger gehört habe (stark die Frequentalisten sind in meinem Freundeskreis), breche ich in dieser und den nächsten Ausgaben dieser Serie ein paar Lanzen für Anwendungen mit dem Satz von Bayes. Ich lasse das Ritterturnier daher mit Sir David Robinson beginnen, welcher anhand von Baseball Statistiken die Grundzüge von Schätzungen mit Bayes erklärt und dabei gleich noch die Grundlage für das viel beschworene A/B Testing bereitstellt. Fight!

3. The Bias-Variance Dilemma

Die Meisten meiner LeserInnen wissen vermutlich schon, was mit Bias-Variance Tradeoff oder eben Dilemma gemeint ist. Oder doch nur so ungefähr? Im Fall des Falles: Bitte lest das hier! Es handelt sich um einen unendlich unterhaltsamen Blogbeitrag mit vielen, teilweise interaktiven Abbildungen und sogar ein paar Memes für die Digital Natives unter uns. Ich konnte einfach nicht widerstehen.

4. Tidyverse (von Frierike Preu)

Eine Masterarbeit, die ist lustig, eine Masterarbeit, die ist schön – naja. In meinem Fall immerhin eine gute Gelegenheit, a) viel R Code zu schreiben, b) viel zu prokrastinieren und c) mit meinen KommilitonInnen über die neusten Features des Tidyverse abzunerden. Wenn es da bei euch jetzt nicht klingelt, empfehle ich „R for Data Science“, die „tidy data“ Vignette oder zum Überblick tidyverse.org. Für alle anderen zwei Dinge, die ich in den letzten Wochen besonders spannend fand:

  1. Package tidygraph: tidy Netzwerkdaten heißt ein data frame für Kanten (Edges) und einer für Knoten (Nodes), sinnvolle Wrapperfunktionen, einheitliche Funktionsnamen und ultimative Pipe-Kompatibilität. Eine Einführung vom Autor gibt es hier.
  2. Programming with dplyr: Es gibt nichts Schlimmeres in R (neben fehlenden Leerzeichen vor und hinter "<" ;) ), als eine schöne Pipe Chain unterbrechen zu müssen, weil die eigens geschriebene Funktion nicht dplyr/Pipe kompatibel ist. Dieser Artikel gibt eine erste Einführung in die Programmierung mit dplyr - angereichert mit vielen Beispielen, die leicht auf die eigenen Probleme übertragbar sind.

Ich und die Anderen

1. Ich – Eigene Projekte für den Lebenslauf

Es wurde uns schon hundertmal gesagt, hier noch einmal zum Mitschreiben: Data Scientist sind gesuchte Leute! Weniger häufig allerdings wird angefügt, dass das Wörtchen „erfahrene“ dabei auch seine Rolle spielt. Wie aber zu Erfahrung kommen, wenn man noch keinen Job hat? Das Zauberwort heißt „Resume Projects“. Ergo Projekte, die man in seiner Freizeit oder während des Studiums entwirft, bestenfalls mit einem Thema, für das man brennt und an dem man seine technischen Talente beweisen kann. Wer hierfür noch Ideen sucht möge einmal hier schauen.

2. Die Anderen – Hörenswerte Data Science Podcasts

Data Science für alle Sinne. So will ich am Ende dieser Zeilen nun neben euren Augen auch eure Ohren in Beschlag nehmen. Das Team von Byte Academy hat eine Liste der besten Podcasts zum Thema Data Science zusammengestellt. Die Auswahl kommt dazu immer mit einem kleinen Hörerprofil, so findet ihr gleich euren neuen Favoriten. Augen zu und Ohren auf!